クジラ最適化アルゴリズムとモデルベースの画像でヘイズレベルの情報を使用する

単一の画像の脱毛は、画像の修復とコンピュータービジョンの分野で挑戦でした。多くのモデルベースおよび非モデルベースの除毛方法が報告されています。この研究は、モデルベースのアルゴリズムに焦点を当てています。人気のあるモデルベースの方法は、そのシンプルさと有効性のために多くの注目を集めているDark Channel Prior（DCP）です。DCPベースの方法では、パフォーマンスを向上させるために、モデルパラメーターを適切に推定する必要があります。以前は、モデルパラメーターの適切なスケーリング係数がパフォーマンスの脱却に役立ち、モデルパラメーター（大気光と初期透過率）にヒューリスティックなスケーリング係数を使用するDCP（IDCP）の改善方法を提案することがわかりました。IDCPを使用すると、このペーパーでは、クジラ最適化アルゴリズム（WOA）およびヘイズレベルの情報を使用して、最適なスケーリング係数を見つけるアプローチを提示します。WOAは、フィットネス関数の参照としてグラウンドトゥルース画像を使用して、IDCPの最適なスケーリング係数を検索します。WOAのIDCPはIDCP/WOAと呼ばれていました。IDCP/WOAのパフォーマンスは、かすんだグラウンドトゥルースイメージによって大きな影響を受けたことが観察されました。したがって、ヘイズレベルの情報によれば、IDCP/WOAで使用されているデータセットからぼんやりとしたグラウンドトゥルース画像を除外するために、かすんだ画像識別因子が開発されました。アプリケーション段階でグラウンドトゥルース画像の使用を避けるために、Hazy Image Clusteringを提示して、Hazy画像とIDCP/WOAによって得られた対応する最適なスケーリング係数をグループ化しました。次に、各ヘイズレベルの平均スケーリング係数が見つかりました。結果の脱ヘアジングアルゴリズムは、最適化されたIDCP（OIDCP）と呼ばれていました。画像脱ヘイジングフィールドで一般的に使用されている3つのデータセット、Leside、O-Haze、およびKedemaデータセットを使用して、提案されたOIDCPを正当化しました。次に、OIDCPと5つの最近のヘイズ除去方法の比較が行われました。Lesideデータセットでは、OIDCPは26.23 dBのPSNRを達成しました。これは、IDCPよりも0.81 dB、DCP、8.03 dB、RROは5.28、AODは5.6 dB、GCANは1.27 dBでした。O-Hazeデータセットでは、OIDCPのPSNRは19.53 dBであり、IDCPよりも0.06 dB、DCP 4.39 dB、RRO、0.97 dB、AOD 1.41 dB、GCANが0.34 dBでした。Kedema Datasetでは、OIDCPが最高の全体的なパフォーマンスを得て、安定した視覚品質の脱毛した画像を提供しました。これは、この研究の結果がモデルベースの脱熱アルゴリズムに利益をもたらす可能性があることを示唆しています。

Single image dehazing has been a challenge in the field of image restoration and computer vision. Many model-based and non-model-based dehazing methods have been reported. This study focuses on a model-based algorithm. A popular model-based method is dark channel prior (DCP) which has attracted a lot of attention because of its simplicity and effectiveness. In DCP-based methods, the model parameters should be appropriately estimated for better performance. Previously, we found that appropriate scaling factors of model parameters helped dehazing performance and proposed an improved DCP (IDCP) method that uses heuristic scaling factors for the model parameters (atmospheric light and initial transmittance). With the IDCP, this paper presents an approach to find optimal scaling factors using the whale optimization algorithm (WOA) and haze level information. The WOA uses ground truth images as a reference in a fitness function to search the optimal scaling factors in the IDCP. The IDCP with the WOA was termed IDCP/WOA. It was observed that the performance of IDCP/WOA was significantly affected by hazy ground truth images. Thus, according to the haze level information, a hazy image discriminator was developed to exclude hazy ground truth images from the dataset used in the IDCP/WOA. To avoid using ground truth images in the application stage, hazy image clustering was presented to group hazy images and their corresponding optimal scaling factors obtained by the IDCP/WOA. Then, the average scaling factors for each haze level were found. The resulting dehazing algorithm was called optimized IDCP (OIDCP). Three datasets commonly used in the image dehazing field, the RESIDE, O-HAZE, and KeDeMa datasets, were used to justify the proposed OIDCP. Then a comparison was made between the OIDCP and five recent haze removal methods. On the RESIDE dataset, the OIDCP achieved a PSNR of 26.23 dB, which was better than IDCP by 0.81 dB, DCP by 8.03 dB, RRO by 5.28, AOD by 5.6 dB, and GCAN by 1.27 dB. On the O-HAZE dataset, the OIDCP had a PSNR of 19.53 dB, which was better than IDCP by 0.06 dB, DCP by 4.39 dB, RRO by 0.97 dB, AOD by 1.41 dB, and GCAN by 0.34 dB. On the KeDeMa dataset, the OIDCP obtained the best overall performance and gave dehazed images with stable visual quality. This suggests that the results of this study may benefit model-based dehazing algorithms.