항공 이미지 디포깅을 위한 Image-to-Image Translation 네트워크


Image-to-Image Translation Network for Aerial Imagery Defogging

아바스 칸, 사미 울라 칸, 이자즈 울 하크, 이미영, 백성욱

피인용수 : 0(자료제공 : 네이버학술정보)



Drones are extensively being used in many facets of life. Despite tremendous technological advancements, certain atmospheric turbidities such as rain, haze, and fog pose serious challenges to good performance of drones. Focusing on the idea of removing fog from a given image, we proposed a novel single-image-based image defogging network, that do not require any additional, physical, or prior information regarding the given foggy image. In this study, we used Generative Adversarial Network(GAN)-based technique to remove fog from an input foggy image. The proposed method outperforms the state-of-the-art in terms of PSNR, SSIM, Contrast Measurement, and Mean Visual Score(MVS). The extensive experiments performed on both synthetic and real-world testing images validate the effectiveness of the proposed technique.


드론은 삶의 많은 측면에서 광범위하게 사용되고 있다. 엄청난 기술 발전에도 불구하고, 비, 아지랑이, 안개 와 같은 특정한 대기 탁도는 드론의 우수한 성능에 심각한 문제를 제기한다. 주어진 이미지에서 안개를 제거하는 아이디어에 초점을 맞춰, 우리는 주어진 안개 이미지에 대한 추가, 물리적 또는 사전 정보가 필요하지 않은 새로운 단일 이미지 기반 이미지 디포깅 네트워크를 제안한다. 본 연구에서는 GAN(Generative Adversarial Network)기반 기술을 사용하여 입력 안개 이미지에서 안개를 제거한다. 제안된 방법은 PSNR, SSIM, 대비 측정 및 평균 시각적 점수 (MVS)측면에서 최신 기술을 능가한다. 합성 및 실제 테스트 이미지 모두에 대해 수행된 광범위한 실험은 제안된 기술의 효과를 검증한다.


1. Introduction
2. Proposed Method
2.1 Foggy Image Generation
2.2 Generator
2.3 Discriminator
2.4 Loss Function
3. Experimental Results
3.1. Dataset and Experimental Setup
3.2 Comparative Analysis
3.3 Quantitative Analysis
3.4 Qualitative Analysis
3.5 Mean Visual Score
4. Conclusions and Future Work


  • 아바스 칸 Abbas Khan. 세종대학교
  • 사미 울라 칸 Samee Ullah Khan. 세종대학교
  • 이자즈 울 하크 Ijaz Ul Haq. 세종대학교
  • 이미영 Mi Young Lee. 세종대학교
  • 백성욱 Sung Wook Baik. 세종대학교


자료제공 : 네이버학술정보

    함께 이용한 논문

      0개의 논문이 장바구니에 담겼습니다.