Decoupled triple-stage enhancement network for non-homogeneous image dehazing
Liu Chunxiao, Hu Pengjing, Shichang Li, Chenghua Wang, Ling Yun · Journal of Image and Graphics · 2025
目的在雾霾环境下拍摄的图像通常具有结构对比度较低、细节信息模糊和颜色饱和度失真等特点。虽然目前的去雾算法已经能较好地处理均质雾霾图像，但是对于非均质雾霾图像的去雾能力仍较差。为此，提出了一种面向非均质雾霾图像去雾的解耦合三阶段增强网络。方法通过颜色空间变换将输入图像解耦为亮度、饱和度和色度3个通道之后，该算法首先通过对比度增强模块增强亮度图的对比度，使去雾结果具有更清晰的结构和细节信息；然后，通过饱和度增强模块增强图像的饱和度，使去雾结果具有更鲜艳的颜色；最后，使用颜色矫正增强模块对总体颜色进行微调，使去雾结果更符合人眼视觉感知。特别地，在饱和度增强模块中设计了一个雾霾密度编码矩阵，通过计算亮度图在对比度增强前后的梯度差异，估计出雾霾图像的雾霾密度信息，为饱和度增强模块提供指导，以保证饱和度恢复的准确性。结果在3个数据集上与14种方法进行了对比实验，本文方法在NHD（non-homogeneous dataset）数据集上得到了最优结果，相比于性能第2的模型，平均峰值信噪比提升了8.5 dB，平均结构相似性提升了0.12；在Real-World数据集中，本文方法的感知雾密度预测值为0.47，雾密度估计值为0.21，均处于前列；在SOTS（synthetic object testing set）数据集中，本文方法的平均峰值信噪比为16.52 dB，平均结构相似性为0.80，在人眼感知效果方面不输于已有方法。结论本文所提方法对于非均质雾霾图像具有优秀的处理能力，可以有效地去除图像的雾霾并还原出雾霾图像的真实细节信息和颜色。