Image Processing Datasets

一个包含多种图像处理任务的数据集列表，如增亮、HDR、色彩增强和图像修复等。

A dataset list encompassing a variety of image processing tasks, such as brightness enhancement, HDR, color enhancement, and image restoration.

原始信息汇总

数据集概述

去雾（Dehazing）

• Waterloo IVC Dehazed Image Database
  • 来源：Perceptual evaluation of single image dehazing algorithms (ICIP15)
• FRIDA dataset
• D-hazy
  • 来源：D_HAZY_ICIP2016
• CHIC
  • 描述：A Color Image Database for Haze Model and Dehazing Methods Evaluation
• HazeRD
  • 描述：an outdoor dataset for dehazing algorithms
• I-HAZE
  • 描述：a dehazing benchmark with real hazy and haze-free outdoor images
• O-HAZE
  • 描述：a dehazing benchmark with real hazy and haze-free outdoor images
• RESIDE: A Benchmark for Single Image Dehazing

去模糊（Deblurring）

• Understanding and evaluating blind deconvolution algorithms (CVPR09)
• Edge-based blur kernel estimation using patch priors
• Benchmarking blind deconvolution with a real-world database (ECCV12)
• A Comparative Study for Single Image Blind Deblurring (CVPR16)

降噪（Denoising）

• Smartphone Image Denoising Dataset
  • 来源：A High-Quality Denoising Dataset for Smartphone Cameras (CVPR2018)
• Darmstadt Noise Dataset
  • 来源：Benchmarking Denoising Algorithms with Real Photographs (CVPR2017)
• PolyU Dataset
  • 来源：Real-world Noisy Image Denoising: A New Benchmark (Arxiv2017)
• RENOIR Dataset
  • 来源：A Dataset for Real Low-Light Image Noise Reduction (Arxiv2014)
• Holistic Dataset
  • 来源：A Holistic Approach to Cross-Channel Image Noise Modeling and its Application to Image Denoising (CVPR2016)

图像去雨（Image Deraining）

雨条纹去除

• Rain Streak Database
  • 描述：Photorealistic rendering of rain streaks
• Rain12
  • 来源：Single Image Rain Streak Decomposition Using Layer Priors
• Rain100L and Rain100H
  • 来源：Deep Joint Rain Detection and Removal From a Single Image
• Rain800
  • 来源：ID_CGAN:Image De-raining Using a Conditional Generative Adversarial Network
• Rain1400
  • 来源：Removing rain from single images via a deep detail network
• Rain1200
  • 来源：Density-aware Single Image De-raining using a Multi-stream Dense Network
• Heavy Rain Dataset
  • 描述：Heavy Rain Image Restoration: Integrating Physics Model and Conditional Adversarial Learning
• SPANet Dataset
  • 描述：Spatial Attentive Single-Image Deraining with a High Quality Real Rain Dataset

视频去雨

• MS-CSC-Rain-Streak-Removal
  • 描述：Video Rain Streak Removal By Multiscale ConvolutionalSparse Coding

雨滴去除

• Attentive Generative Adversarial Network for Raindrop Removal from A Single Image (CVPR18)

修复（Inpainting）

• Image Inpainting
  • 描述：2018 Chalearn Looking at People Satellite Workshop ECCV

增亮（Brightening）

• VIP-LowLight Dataset
  • 描述：Eight Natural Images Captured in Very Low-Light Conditions
• ReNOIR
  • 来源：RENOIR - A Dataset for Real Low-Light Image Noise Reduction (JVCIR2018)
• Raw Image Low-Light Object Dataset
• Learning to See in the Dark
  • 来源：Learning to See in the Dark (CVPR2018)
• ExDARK
  • 描述：Getting to Know Low-light Images with The Exclusively Dark Dataset (Submitted to CVIU)

颜色增强（Color Enhancement）

• MIT FiveK dataset
  • 来源：Learning Photographic Global Tonal Adjustment with a Database of Input / Output Image Pairs (CVPR2011)
• LRAICE-Dataset
  • 来源：A Learning-to-Rank Approach for Image Color Enhancement (CVPR2014)
• DPED dataset
  • 来源：DSLR-quality photos on mobile devices with deep convolutional networks (ICCV2017)
• The 500px Dataset
  • 来源：Exposure: A White-Box Photo Post-Processing Framework (TOG2018)

超分辨率（Super Resolution）

• Train91
  • 来源：Image Super-Resolution via Sparse Representation (TIP2010)
• Set5
  • 来源：Anchored Neighborhood Regression for Fast Example-Based Super-Resolution (ICCV2013)
• Set14
  • 来源：On Single Image Scale-Up Using Sparse-Representations (International conference on curves and surfaces 2010)
• B100
  • 来源：Contour Detection and Hierarchical Image Segmentation (TPAMI2011)
• Urban100
  • 来源：Single Image Super-Resolution from Transformed Self-Exemplars (CVPR2015)
• DIV2K
  • 来源：NTIRE 2017 Challenge on Single Image Super-Resolution: Dataset and Study (CVPRW2017)
• LIVE
  • 来源：A Statistical Evaluation of Recent Full Reference Image Quality Assessment Algorithms (TIP2006)
• Super-Resolution Erlangen (SupER)
  • 来源：Benchmarking Super-Resolution Algorithms on Real Data (Arxiv2017)

搜集汇总

数据集介绍

构建方式

Image Processing Datasets 数据集的构建方式主要通过收集和整理多个图像处理领域的公开数据集，涵盖了去雾、去模糊、去噪、图像去雨、图像修复、亮度增强、色彩增强和超分辨率等多个子领域。每个子领域都包含了多个具体的数据集，这些数据集通常由学术研究团队或机构发布，并附有详细的文献支持，确保数据的来源和质量。数据集的构建不仅包括图像的收集，还包括对图像进行标注、分类和整理，以便于研究人员进行算法测试和性能评估。

特点

该数据集的特点在于其广泛性和多样性，涵盖了图像处理中的多个关键任务，如去雾、去模糊、去噪等，每个任务下又有多个具体的数据集，提供了丰富的实验材料。此外，数据集中的图像来源多样，包括自然图像、低光图像、雨天图像等，能够模拟多种实际场景，增强了数据集的实用性和代表性。每个数据集都附有详细的文献和链接，便于研究人员深入了解数据集的背景和使用方法。

使用方法

使用该数据集时，研究人员可以根据具体的图像处理任务选择相应的子数据集，如去雾任务可以选择Waterloo IVC Dehazed Image Database或RESIDE等数据集。每个数据集通常提供下载链接和使用说明，研究人员可以按照说明进行数据下载和预处理。在使用过程中，建议参考附带的文献，了解数据集的构建背景和评估方法，以便更好地进行算法设计和性能评估。此外，数据集的多样性也允许研究人员进行跨任务的对比实验，探索不同任务之间的关联性。

背景与挑战

背景概述

图像处理数据集（Image Processing Datasets）是由北京大学STRUCT研究组维护的一个专注于低级视觉任务的数据集集合，涵盖了去雾、去模糊、去噪、图像去雨、修复、亮度增强和色彩增强等多个领域。该数据集的创建旨在为研究人员提供一个全面的资源库，以评估和开发在图像处理中的各种算法。自创建以来，该数据集已广泛应用于国际会议和期刊，如CVPR、ICIP和ECCV，成为图像处理领域的重要基准。主要研究人员包括Wenjing Wang、Dejia Xu、Qingyang Li和Wenhan Yang，他们的工作极大地推动了图像处理技术的发展，特别是在低级视觉任务中的应用。

当前挑战

图像处理数据集面临的挑战主要集中在数据多样性和算法评估的复杂性上。首先，不同类型的图像处理任务（如去雾、去模糊、去噪等）需要高度专业化的数据集，这些数据集的构建往往涉及复杂的图像生成和标注过程。其次，由于图像处理任务的多样性，如何设计统一的评估标准以确保不同算法之间的公平比较是一个重要挑战。此外，随着深度学习技术的快速发展，如何有效地利用这些数据集进行模型训练和验证，同时避免过拟合和数据偏差，也是当前研究中的一个关键问题。

常用场景

经典使用场景

在图像处理领域，Image Processing Datasets（低级视觉数据集）广泛应用于图像去雾、去模糊、去噪、图像去雨、图像修复、亮度增强和色彩增强等经典场景。这些数据集为研究人员提供了丰富的图像样本，用于评估和优化各种图像处理算法。例如，在去雾任务中，数据集如Waterloo IVC Dehazed Image Database和RESIDE被广泛用于测试和比较不同去雾算法的性能。

实际应用

在实际应用中，Image Processing Datasets在多个领域展现了其重要价值。例如，在智能交通系统中，去雾算法能够提高摄像头在雾霾天气下的图像质量，从而提升车辆识别和道路监控的准确性。此外，在智能手机摄影中，去噪和色彩增强算法能够显著提升照片质量，满足用户对高质量图像的需求。

衍生相关工作

基于Image Processing Datasets，许多经典工作得以展开。例如，RESIDE数据集启发了大量关于单幅图像去雾的研究，包括基于深度学习的去雾算法。此外，Darmstadt Noise Dataset推动了智能手机图像去噪技术的进步，产生了如A High-Quality Denoising Dataset for Smartphone Cameras等重要研究成果。这些数据集不仅为学术研究提供了基础，还促进了相关技术的实际应用。