TMM 2024 | 基于U2D2Net无监督统一网络的单幅雾天图像去雾与去噪增强方法

主要观点总结

本文介绍了论文“U2D2Net: Unsupervised Unified Image Dehazing and Denoising Network for Single Hazy Image Enhancement”的主要内容和创新点。论文提出了一种无监督统一图像去雾与去噪网络U2D2Net，用于对单幅雾霾图像同时去除雾霾并抑制噪声。

关键观点总结

关键观点1: 论文提出的U2D2Net网络架构

U2D2Net主要由一个无监督去雾模块、一个无监督去噪模块和一个区域相似性融合策略组成。其中，去雾模块提出了传输感知去雾模块，有效抑制与深度相关的噪声；去噪模块设计了两步无监督去噪模块，采用均值/最大子采样器和多种损失函数；融合模块利用区域相似性策略，对去雾和去噪模型的不同输出进行权重重新分配。

关键观点2: 论文方法概述

为了应对从单幅雾霾图像中同时去除雾霾和抑制噪声的挑战，论文提出了结合图像去雾和图像去噪的无监督图像增强方法。鉴于图像去雾方法在减轻雾霾的同时常常会加剧噪声，而图像去噪方法可以提高图像的信噪比但可能使纹理细节和轮廓变得平滑，因此有必要结合这两种方法的优点来增强具有复杂类型随机噪声的单幅雾霾图像。

关键观点3: 实验和结果

在合成数据集和真实世界数据集上进行的大量实验表明，U2D2Net在峰值信噪比（PSNR）、结构相似性指数（SSIM）和主观视觉效果方面优于其他最先进的去雾和去噪方法。

免责声明