Unüberwachtes Entfernen von Dunst mittels Fernüberwachung basierend auf salienzgeleiteter Übertragungsoptimierung

Dunst führt zu Informationsverlust und Qualitätsverschlechterung in ferngesteuerten Bildern. Unüberwachte, lernbasierte Methoden zur Dunstentfernung zielen darauf ab, die Abhängigkeit von gepaarten, nebligen Bildern und ihren Beschriftungen zu reduzieren. Komplexe Zuordnungsbeziehungen erhöhen jedoch oft die Schwierigkeiten bei der Konvergenz von Netzwerken, was zu Farbverzerrungen und Verlust von Texturdetaillierungen in ferngesteuerten Bildern führt. Um diese Probleme anzugehen, schlagen wir eine unüberwachte Methode zur Dunstentfernung vor, die auf salienzgeleiteter Übertragungsoptimierung für ferngesteuerte Bilder basiert. Zunächst stellen wir eine salienzgeleitete Übertragungsoptimierungsmethode vor, die zwei Übertragungspläne zerlegt und rekombiniert, die unter unterschiedlichen Bedingungen erstellt wurden, geleitet von Salienzinformationen. Zweitens schlagen wir eine Verlustfunktion vor, die Energiedverlust und Texturverlust umfasst. Der Energiedverlust bietet einen Energiebezug basierend auf der groben Übertragungsabschätzung, während der Texturverlust die Erhaltung von Texturdetaillierungen verbessert. Experimentelle Ergebnisse zeigen, dass unsere Methode eine vergleichbare Leistung zu mehreren überwachten Methoden erreicht.