GFN___Gated Fusion Network for Single Image Dehazing

论文地址：Gated Fusion Network for Single Image Dehazing

笔记参考：Gated Fusion Network for Single Image Dehazing

论文目的：

在dehaze的问题里，其需要解决两个问题，一个是由于大气光造成的颜色投射出现差异，一个是其传输过程中所造成的可视效果衰减。因此论文通过对原始图像进行处理，尽可能的分别恢复出其颜色投射、可视效果，同时由于可视效果太暗，再增加伽马矫正，将这三个图像和原始的image输入网络，最终达到去雾的效果。

方法：

1. 图片预处理：

白平衡（WB）（第一个输入是白平衡图像，旨在消除由大气颜色引起的色偏），对比度增强（CE）和伽玛校正（GC）（为了增强对比度）从原始模糊图像中获得了三个输入。

2.网络：

所提出的算法依赖于由编码器和解码器组成的端到端可训练神经网络（类似Unet 但是所有的feature大小一样，同时像unet一样使用了前后skip连接在一起的操作）。利用编码器来捕获派生的输入图像的上下文，而使用解码器通过使用归因于编码器的学习表示来估算每个输入对最终除雾结果的贡献。下面是网络结构图：

 

 

为了训练网络，引入了一种多尺度方法，从而可以避免出现光晕伪影。

通过对小尺度图像利用上述网络进行处理获得输出，然后输出进行上采样再送到同样的网络，这样做是为了学习得到更多的细节。每个级别的输入都是上一个级别输入大小的两倍，其相应的derived的预处理图像也是由上一个级别的输出图像得到的。这种级联的结构如下所示: