D-HAZY

数据集介绍

D-HAZY，一个用于定量评估去雾算法的数据集,建立在Middelbury 和NYU深度数据集上，这些数据集提供各种场景的图像及其相应的深度图。包含1400多对图像的数据集，其中

由于在雾介质中，场景辐射随距离衰减，基于深度信息并使用雾介质的物理模型，我们能够以高保真度创建相应的朦胧场景。最后，利用D-HAZY数据集，对几种最先进的单图像去雾技术进行定量评估。

The D-HAZY dataset is generated from NYU depth indoor image collection. D-HAZY contains depth map for each indoor hazy image. It contains 1400+ real images and corresponding depth maps used to synthesize hazy scenes based on Koschmieder’s light propagation mode

The D-HAZY dataset is generated from NYU depth indoor image collection. D-HAZY contains depth map for each indoor hazy image. It contains 1400+ real images and corresponding depth maps used to synthesize hazy scenes based on Koschmieder’s light propagation mode

Synonyms for HAZY: beclouded, befogged, brumous, clouded, cloudy, foggy, gauzy, misty; Antonyms for HAZY: clear, cloudless, limpid, pellucid, unclouded, definite

Dehazing is an image enhancing technique that emerged in the recent years. Despite of its importance there is no dataset to quantitatively evaluate such techniq

Dataset of indoor hazy images

JetP is the biggest database of aviation photographs with over 4 million screened photos online!

Synonyms for HAZY: beclouded, befogged, brumous, clouded, cloudy, foggy, gauzy, misty; Antonyms for HAZY: clear, cloudless, limpid, pellucid, unclouded, definite

评估技术

1 .Tarel和Houtiere 
引入了第一种单一去雾图像方法。该方法基于过滤策略恢复模糊图像的可见性。他们假设白平衡是作为预处理步骤来执行的，并以图像的局部平均值和图像的局部标准差之间的差值的百分比来估计传输。基于中值滤波器的扩展版本对传输进行了改进。该方法的优点是可以快速处理彩色和灰度图像。
2 .He等人。
提出了一个新颖的源自查维斯的黑暗物体[33]的黑暗通道先验。他们研究了统计数据，在大多数不覆盖天空的局部区域，一些像素通常在至少一个颜色通道中具有非常低的值。每个斑块的这些滤波像素用于估计由阿尔法抠图策略细化的雾度透射。在我们的评估中，我们采用了基于导向滤波器[ 34 ]的暗通道。
3 .孟等人
引入一种正则化策略，有效地探索传输地图上的边界约束。传输的边界约束是[ 7 ]之前暗信道的延伸。通过使用边界约束与基于加权L1范数的上下文正则化相结合的优化问题来细化传输。
4 .Ancuti和Ancuti 
描述了一种有效的多尺度融合策略，用于单图像去杂。他们得出两个输入，第一个输入是通过对原始模糊图像进行白平衡来处理的，而第二个输入是通过对每个像素减去整个图像的平均亮度值来获得的。通过计算多尺度融合策略中混合的几个度量(权重图)来过滤它们的重要特征。
5 .Fattal 
介绍了一种探索颜色线的方法，小图像块的像素通常在RGB颜色空间中呈现一维分布。通过计算从原点偏移的线来获得传输图的第一估计。最终的传输图是基于Markov随机场产生的，该随机场细化了由于散射引起的噪声和其他伪像。
6 .CLHE (对比度限制自适应直方图均衡化) 
是一种众所周知的增强技术，可以恢复图像的对比度。医学影像设计的原版CLHE通过应用对比度限制程序扩展了自适应直方图均衡化( AHE )。CLHE将图像分成上下文区域，并对每个区域采用直方图均衡化。为了生成CLHE结果，我们使用了MatLab 2014 B的原始实现。