霧の日の撮影時の先行情報および物理パラメータ間の制約関係を十分に活用し、霧除去アルゴリズムの精度を向上させるため、本論文では物理イメージングモデルを組み込んだ分解合成型の循環細分化ネットワークを提案し、画像の霧除去を実現した。既存の霧除去アルゴリズムとは異なり、透過率推定ブランチと鮮明画像推定ブランチを含み、両ブランチともに組み込み循環ユニットを用いた多尺度ピラミッドエンコーダ・デコーダネットワークフレームワークを採用しており、循環間の情報交流を強化し、多尺度コンテキスト特徴を十分に活用できる利点がある。透過率はシーンの深度および霧の濃度に関連しているため、透過率を霧濃度の先行情報と見なして鮮明画像推定ブランチの循環細分化霧除去結果を誘導できる。また鮮明画像にはシーンの深度情報が含まれているため、これを深度の先行情報と見なして透過率推定ブランチの予測および循環細分化透過率を誘導する。各循環時に、両ブランチで推定された透過率と鮮明画像を合成して霧画像を生成し、これをネットワークの入力とすることで、透過率および鮮明画像の推定結果が物理イメージングモデルの制約を満たすことを担保している。実験結果は、アルゴリズムが合成霧画像および実画像の両方で優れた霧除去効果を示し、視覚評価および客観的評価の両面で既存の霧除去アルゴリズムを上回り、単一の霧画像の処理時間はわずか0.037秒であり、画像の霧除去の工学的実務に有効であることを示している。

画像霧除去;透過率推定;循環細分化ネットワーク;分解合成;物理イメージングモデル