基于残差饱和度估计与透射估计网络的沙尘暴图像增强方法（RST-Net）

《Scientific Reports》：RSTNet: sandstorm image enhancement using a residual saturation and transmission estimation network

　　

摘要

沙尘暴图像的退化形式多样化，其退化包含偏色、黑暗和昏暗等条件。此外，由于沙尘暴图像的结构退化涉及色彩通道失衡，图像可能呈现偏黄或偏红的外观。再者，在图像获取过程中，由于大气中含有沙粒等各种雾霾颗粒，图像中的沙尘可能显得模糊不清。现有的沙尘暴图像增强方法改善了图像的色彩分量并减轻了雾效，但当增强后的色彩通道失衡时，可能出现人为的色偏。因此，本文提出了一种利用卷积神经网络和图像饱和度进行有效色彩平衡的方法，因为图像饱和度与色彩信息密切相关。此外，由于雾霾颗粒的存在，色彩平衡后的图像仍可能显得模糊；因此，本文利用透射网络进行去雾以增强有雾图像。总体而言，本文提出了一种利用卷积神经网络估计残差饱和度以及透射估计网络的沙尘暴图像增强方法（RST-Net）。使用RST-Net获得的增强图像看起来自然逼真，并验证了RST-Net适用于退化沙尘暴图像的增强。