DehazeNet: 단일 이미지 해제거를 위한 엔드투엔드 시스템

단일 이미지 안개 제거는 어려운 불완전한 문제입니다. 기존 방법들은 다양한 제약 조건/사전 정보를 사용하여 타당한 안개 제거 솔루션을 얻습니다. 안개 제거를 달성하기 위한 핵심은 입력된 안개가 있는 이미지에 대한 매체 전송 맵을 추정하는 것입니다. 본 논문에서는 매체 전송 추정을 위한 훈련 가능한 엔드투엔드 시스템인 DehazeNet을 제안합니다. DehazeNet은 안개가 있는 이미지를 입력으로 받아, 이를 통해 대기 산란 모델을 사용하여 안개 없는 이미지를 복원할 수 있는 매체 전송 맵을 출력합니다. DehazeNet은 층이 특별히 이미지 안개 제거에서 확립된 가정/사전 정보를 반영하도록 설계된 컨볼루셔널 신경망(CNN) 기반의 깊은 구조를 채택합니다. 특히, Maxout 유닛 층을 특징 추출에 사용하여 거의 모든 안개 관련 특징을 생성할 수 있습니다. 또한, DehazeNet에서 새로운 비선형 활성화 함수인 Bilateral Rectified Linear Unit (BReLU)를 제안하는데, 이는 복원된 안개 없는 이미지의 품질을 개선할 수 있습니다. 우리는 제안된 DehazeNet의 구성 요소와 기존 방법에서 사용되는 구성 요소 간의 연결성을 설정하였습니다. 벤치마크 이미지에 대한 실험 결과, DehazeNet은 기존 방법들보다 우수한 성능을 보여주면서도 효율적이고 사용하기 쉽다는 것을 확인하였습니다.