Core Concepts
Das vorgeschlagene AdaIR-Modell nutzt sowohl räumliche als auch Frequenzdomäneninformationen, um Bilddegradationen effektiv von der gewünschten sauberen Bildinformation zu entkoppeln und so eine adaptive mehrstufige Bildwiederherstellung zu ermöglichen.
Abstract
Die Studie präsentiert ein adaptives mehrstufiges Bildwiederherstellungsmodell namens AdaIR, das sowohl räumliche als auch Frequenzdomäneninformationen nutzt, um verschiedene Arten von Bilddegradationen wie Rauschen, Dunst, Regen und Unschärfe effektiv zu entfernen.
Das Kernkonzept des Modells ist die Adaptive Frequency Learning Block (AFLB), die zwei sequenzielle Aufgaben erfüllt:
Frequenzabbau-Modul (FMiM): Extrahiert niedrige und hohe Frequenzmerkmale aus den Eingabemerkmalen, basierend auf einer adaptiven Zerlegung des Spektrums des degradierten Eingangsbilds.
Frequenzmodulations-Modul (FMoM): Kalibriert diese Merkmale, indem es den Informationsaustausch zwischen den verschiedenen Frequenzbändern ermöglicht, um verschiedene Arten von Bilddegradationen effektiv zu behandeln.
Die vorgeschlagene Methode erzielt state-of-the-art-Leistung bei verschiedenen Bildwiederherstellungsaufgaben wie Bildentlärmung, Entnebelung, Regentrennung, Bewegungsunschärfekorrektur und Verbesserung von Bildern mit geringer Beleuchtung.
Stats
Die Fourier-Spektren der Residualbilder, die durch Subtraktion der degradierten Bilder von den Referenzbildern erhalten werden, zeigen, dass verschiedene Degradationsarten die Bildinhalte in unterschiedlichen Frequenzbändern beeinflussen.
Quotes
"Unterschiedliche Degradationsarten wirken sich auf unterschiedliche Frequenzbänder des Bildinhalts aus, was eine unterschiedliche Behandlung für jede Wiederherstellungsaufgabe erfordert."
"Das vorgeschlagene Verfahren erzielt eine adaptive Rekonstruktion, indem es die informativen Frequenzbänder entsprechend den verschiedenen Eingabedegradationen akzentuiert."