Overwater-Haze

海上航行安全依赖于高精度的感知系统。然而，雾天往往显著影响系统性能，特别是通过降低图像质量和增加航行风险。尽管图像去雾技术提供了有效的解决方案，但缺乏专门的过水面去雾数据集限制了去雾算法的泛化能力。为了解决这个问题，我们提出了一个大规模过水面成对图像去雾数据集：Overwater-Haze。该数据集包含基于大气散射模型（ASM）生成的21000张合成过水面雾天图像，根据不同的雾浓度分为Mist、Moderate和Dense三个子集，以及500张真实的过水面雾天图像，这些图像构成了测试集中的Real-Test部分。为了满足背景干扰缓解、图像多样性和高质量的要求，我们进行了广泛的数据增强，并开发了一个全面的数据集创建流程。我们对五种去雾算法的评估表明，在Overwater-Haze上训练的模型比预训练的模型在自然图像质量评估器（NIQE）和盲/无参考图像空间质量评估器（BRISQUE）得分上分别降低了9.96%和10.47%，这证明了Overwater-Haze在评估过水面环境下算法性能方面的价值。欢迎引用我们的文章: Xie, Y.; Li, M.; Wang, S.; Wang, H. Overwater-Haze: A Large-Scale Overwater Paired Image Dehazing Dataset. Processes 2025, 13, 2628. https://doi.org/10.3390/pr13082628