利用可变形卷积的参考引导纹理迁移技术进行室内图像去雾处理

《Scientific Reports》：Reference-guided texture transfer with deformable convolutions for indoor image dehazing

　　

摘要

室内图像去雾需要在保持结构真实性的同时恢复清晰的场景内容，并避免出现人工纹理。我们提出了DTTN（Deformable Texture Transfer Network），这是一个基于参考图像的室内图像去雾框架，它在我们之前的纹理传输模型的基础上加入了可变形特征对齐机制。该方法从模糊的输入图像和清晰的参考图像中提取多尺度特征，利用Top-K补丁匹配技术获取可传输的纹理，并通过多尺度可变形特征整合模块将这些纹理进行融合。此外，还引入了梯度密度增强模块来增强边缘和结构的一致性。在RESIDE-indoor基准测试中，DTTN在所有对比方法中取得了最佳的SSIM值（0.992）和具有竞争力的PSNR值（36.59 dB），同时保持了良好的质量与复杂度之间的平衡。进一步的内部分析和消融实验表明，基于参考图像的纹理传输和可变形特征对齐机制能够提高结构真实性，并且在参考图像匹配不完美时仍能保持稳定。这些结果表明，在合成基准测试条件下，基于参考图像的纹理传输结合可变形特征对齐是一种有效的室内图像去雾方法。