NH-HAZE

NH-HAZE是首个包含非均匀雾霾和无雾霾图像对的现实图像去雾基准数据集，由苏黎世联邦理工学院创建。该数据集包含55个户外场景，通过专业雾霾生成器模拟真实雾霾条件创建。数据集的创建过程涉及在多云的早晨或傍晚使用Sony A5000相机记录图像，确保风速低于2-3 km/h以维持雾霾的非均匀分布。NH-HAZE数据集主要用于评估和推动单图像去雾技术的发展，解决雾霾对户外图像质量的影响问题。NH-HAZE is the first real-world image dehazing benchmark dataset containing paired non-uniform hazy and haze-free images, created by ETH Zurich. This dataset includes 55 outdoor scenes, which were generated using a professional haze generator to simulate real haze conditions. The creation process of the NH-HAZE dataset involved capturing images with a Sony A5000 camera on cloudy mornings or evenings, ensuring that wind speed was below 2–3 km/h to maintain the non-uniform distribution of haze. The NH-HAZE dataset is primarily used to evaluate and advance the development of single-image dehazing techniques, addressing the degradation of outdoor image quality caused by haze.

搜集汇总

数据集介绍

构建方式

NH-HAZE 数据集通过专业雾化生成器在真实户外场景中引入非均匀雾气，并使用 Sony A5000 相机记录雾天和晴朗天气下的图像。数据集包含 55 对真实雾天和对应的晴朗天气图像，涵盖了户外场景中的不同距离和对象。雾化生成器产生的雾气颗粒尺寸与大气雾气颗粒相似，并使用风扇将雾气均匀分布在场景中，以模拟真实雾天条件。

特点

NH-HAZE 数据集是首个包含非均匀雾气的真实图像去雾数据集，为图像去雾研究提供了宝贵的资源。数据集包含 55 对雾天和晴朗天气图像，涵盖了户外场景中的不同距离和对象，有助于研究雾气对场景可见性的影响。此外，数据集还提供了晴朗天气图像作为参考，方便进行去雾算法的性能评估。

使用方法

NH-HAZE 数据集可用于图像去雾算法的研究和评估。研究人员可以使用数据集中的雾天图像进行去雾算法的训练和测试，并通过晴朗天气图像作为参考进行性能评估。此外，数据集还可用于研究非均匀雾气对图像去雾算法的影响，并探索新的去雾算法。

背景与挑战

背景概述

图像去雾技术旨在恢复受雾影响图像内容的清晰度，这对于提升户外应用性能至关重要。然而，由于缺乏参考数据集，图像去雾方法的客观性能评估一直是该领域的主要障碍。尽管合成数据集已显示出重要局限性，但近年来引入的少量现实数据集假设整个场景的雾是均匀分布的。实际上，在许多真实情况下，雾并非均匀分布，因此非均匀雾图像去雾数据集的创建对于该领域至关重要。NH-HAZE数据集的创建旨在解决这一挑战，它是由罗马尼亚蒂米什瓦拉理工大学、西班牙赫罗纳大学信息与应用研究所和瑞士苏黎世联邦理工学院的研究人员共同开发的。NH-HAZE是首个非均匀真实图像去雾数据集，包含55组真实有雾和无雾图像对。该数据集通过使用专业的雾生成器在场景中引入非均匀雾，从而模拟真实场景中的雾条件。此外，该工作还使用NH-HAZE数据集对几种最先进的单图像去雾方法进行了客观评估。

当前挑战

NH-HAZE数据集的创建和评估面临着一些挑战。首先，构建非均匀雾图像数据集需要专业的设备和精确的控制环境，以确保雾的分布与真实场景一致。其次，图像去雾方法的评估需要与真实无雾图像进行对比，但由于缺乏参考数据集，这一直是一个难题。NH-HAZE数据集的创建为该领域提供了一个宝贵的资源，但它也揭示了当前图像去雾方法在处理非均匀雾场景时的局限性。此外，NH-HAZE数据集的评估结果表明，尽管深度学习方法在图像去雾方面表现出色，但它们仍然需要进一步提高以应对非均匀雾场景带来的挑战。

常用场景

经典使用场景

NH-HAZE 数据集作为图像去雾领域的重要基准数据集，其经典使用场景主要集中在对图像去雾算法的性能评估与对比分析。研究者可以利用 NH-HAZE 数据集中的真实雾天图像及其对应的清晰图像，对不同的图像去雾算法进行定量评估，从而判断算法的有效性和局限性。此外，NH-HAZE 数据集还常用于训练和测试深度学习模型，以提升图像去雾算法的性能。

解决学术问题

NH-HAZE 数据集解决了图像去雾领域长期以来缺乏非均匀雾天场景的真实数据集的问题。传统的图像去雾数据集通常假设雾气在场景中均匀分布，而 NH-HAZE 数据集则包含了非均匀雾天场景的图像，更加贴近真实情况。这对于图像去雾算法的研究具有重要意义，可以帮助研究者更好地理解雾气分布对图像去雾算法的影响，并开发出更加鲁棒的图像去雾算法。

衍生相关工作

NH-HAZE 数据集的提出促进了图像去雾领域的研究进展，并衍生出许多相关的工作。例如，研究者基于 NH-HAZE 数据集对现有的图像去雾算法进行了评估和对比，并提出了新的图像去雾算法。此外，NH-HAZE 数据集还推动了图像去雾领域的深度学习研究，研究者利用 NH-HAZE 数据集训练和测试深度学习模型，从而提升图像去雾算法的性能。