I-HAZE

I-HAZE数据集由罗马尼亚理工大学创建，包含35对真实的室内有雾和无雾（地面实况）图像。该数据集通过专业雾机生成真实雾气，每场景包含MacBeth颜色检查器，以辅助颜色校准和算法评估。数据集在控制环境下捕捉，确保有雾和无雾图像在相同光照条件下拍摄。I-HAZE数据集主要用于客观比较现有的图像去雾技术，解决因缺乏地面实况图像而难以比较去雾方法的问题。

The I-HAZE dataset was created by the Polytechnic University of Romania, which contains 35 pairs of real indoor hazy and haze-free (ground truth) images. Professional fog machines are used to generate authentic fog for the dataset, and a MacBeth color checker is included in each scene to support color calibration and algorithm evaluation. Captured in a strictly controlled environment, the dataset ensures that hazy and haze-free image pairs are acquired under exactly the same lighting conditions. The primary application of the I-HAZE dataset is to enable objective comparison of existing image dehazing technologies, resolving the long-standing difficulty in comparing different dehazing methods due to the lack of paired ground truth images.

搜集汇总

数据集介绍

构建方式

在图像去雾研究领域，构建具有真实雾霾与无雾对照的图像对是评估算法性能的关键。I-HAZE数据集通过专业雾机在室内环境中生成真实雾霾，模拟大气雾霾条件，确保了雾霾的真实性。数据采集过程中，每个场景均包含Macbeth色卡以辅助色彩校准，且所有图像在恒定光照条件下拍摄，避免了光照变化对图像质量的影响。拍摄时使用三脚架固定相机，并采用手动模式保持参数一致，最终获得了35组高分辨率图像对，为去雾算法提供了可靠的基准数据。

特点

I-HAZE数据集的显著特点在于其真实雾霾的生成方式，区别于基于合成雾霾的现有数据集。该数据集包含室内场景，物体颜色和结构多样，且每幅图像均配有标准色卡，便于色彩校准与算法评估。由于拍摄环境受控，雾霾与无雾图像在相同光照条件下捕获，消除了光照差异带来的偏差，使得基于PSNR和SSIM等传统图像质量指标的客观比较成为可能。这一特性为去雾技术的定量评估提供了坚实基础。

使用方法

I-HAZE数据集主要用于图像去雾算法的性能评估与比较。研究人员可将去雾算法应用于数据集中的雾霾图像，并将输出结果与对应的无雾地面真实图像进行对比。通过计算PSNR、SSIM和CIEDE2000等图像质量指标，可以客观衡量算法在结构恢复和色彩保真方面的表现。数据集的真实雾霾特性使其成为验证算法在实际场景中有效性的重要工具，尤其适用于室内环境下的去雾研究。

背景与挑战

背景概述

在计算成像领域，图像去雾技术旨在恢复因大气颗粒散射而退化的视觉信息，提升计算机视觉系统的鲁棒性。I-HAZE数据集由罗马尼亚蒂米什瓦拉理工大学、瑞士苏黎世联邦理工学院及比利时鲁汶大学的研究团队于2018年共同创建，其核心贡献在于提供了35组室内场景下真实雾霾图像与对应无雾地面实况图像的配对数据。该数据集通过专业造雾机模拟真实雾霾条件，并在可控光照环境下采集，确保了图像对间照明条件的一致性，从而为去雾算法的客观定量评估奠定了坚实基础。I-HAZE的发布显著推动了单幅图像去雾研究从主观视觉比较向基于PSNR、SSIM等标准质量指标的严谨验证转变，成为该领域重要的基准测试资源。

当前挑战

I-HAZE数据集所针对的图像去雾问题本身面临诸多挑战：单幅图像去雾是一个数学上的病态逆问题，雾霾退化程度随像素深度非线性变化，需从单张输入中同时估计场景透射率与大气光，而先验假设的局限性常导致复原图像出现色彩偏移、光晕伪影等失真。在数据集构建过程中，研究团队需克服真实雾霾环境仿真的技术难题，包括使用专业造雾机生成粒径1-10微米的水基颗粒以模拟自然雾霾，并通过风扇实现室内雾霾的均匀分布；同时，为确保数据配对精度，必须在完全相同的照明与相机参数下分别采集雾霾与无雾图像，并借助麦克贝斯色卡进行色彩校准，这一系列严格控制虽提升了数据可靠性，但也增加了采集复杂度与成本。

常用场景

经典使用场景

在计算机视觉领域，图像去雾研究长期面临缺乏真实雾霾与无雾图像对的挑战，这阻碍了算法的客观评估。I-HAZE数据集通过专业雾机在室内环境中生成真实雾霾，并同步捕获对应无雾图像，为单幅图像去雾算法提供了可靠的基准测试平台。该数据集包含35组室内场景，每幅图像均配备Macbeth色卡以确保色彩校准，且在恒定光照条件下采集，使得研究者能够利用PSNR、SSIM等传统图像质量指标进行精确量化比较。

解决学术问题

I-HAZE数据集有效解决了图像去雾领域长期存在的两大核心问题：一是缺乏真实雾霾条件下的地面真实图像，导致算法评估依赖主观视觉或非参考质量指标；二是合成雾霾数据与真实物理场景间的差异限制了模型的泛化能力。通过提供真实雾霾与无雾图像对，该数据集使研究者能够客观衡量去雾算法在结构恢复、色彩保真度及细节重建方面的性能，推动了基于物理模型与深度学习方法的协同优化。

衍生相关工作

I-HAZE数据集的发布催生了一系列经典研究工作，例如基于深度学习的端到端去雾网络（如DehazeNet及其变体）开始利用真实雾霾数据进行微调，以提升模型在真实场景的泛化性能。同时，该数据集促进了多尺度融合策略（如Ancuti等人的局部大气光估计方法）与先验优化算法（如Berman等人的非局部去雾技术）的对比验证。这些工作不仅深化了对雾霾物理模型的理解，还推动了SSIM、CIEDE2000等评估指标在去雾领域的标准化应用。