O-HAZE

O-HAZE数据集是由洛林大学天主教分校创建，包含45对真实雾霾和对应的无雾霾户外场景图像。该数据集通过专业雾霾机生成真实雾霾条件，确保在相同光照参数下捕捉到雾霾和无雾霾状态的同一场景。创建过程中，使用Sony A5000相机在特定条件下拍摄，确保图像质量。O-HAZE数据集主要用于评估和比较现有的雾霾去除技术，解决雾霾图像处理中的挑战问题。

The O-HAZE dataset was developed by the Catholic University of Lorraine, consisting of 45 pairs of real hazy and corresponding haze-free outdoor scene images. Realistic haze conditions are generated using professional haze generators, ensuring that the same scene is captured in both hazy and haze-free states under identical lighting parameters. During the development process, all images were captured with a Sony A5000 camera under specific conditions to maintain consistent image quality. The O-HAZE dataset is primarily used to evaluate and compare existing haze removal technologies, aiming to address the challenging issues in hazy image processing.

搜集汇总

数据集介绍

构建方式

在图像去雾研究领域，真实雾霾与无雾图像的配对数据长期匮乏，制约了算法的客观评估。O-HAZE数据集的构建突破了这一局限，其采集过程在严格控制的室外环境下进行。研究团队选取了45个不同的户外场景，利用专业雾霾机生成粒径为1至10微米的水雾颗粒，以模拟真实大气雾霾的光学特性。为确保光照条件的一致性，所有图像均在风速低于3公里/小时的阴天或晨昏时段拍摄，并使用三脚架固定索尼A5000相机，通过远程控制避免人为扰动。每个场景均先拍摄无雾图像作为真实参考，随后在相同相机参数下记录雾霾图像，并在场景中放置标准色卡以支持后期色彩校正。

使用方法

该数据集主要应用于图像去雾算法的性能评估与比较研究。使用者可将雾霾图像输入待测算法，并将输出结果与对应的无雾真实图像进行定量对比。评估指标通常采用峰值信噪比、结构相似性指数以及CIEDE2000色差度量等客观质量评价体系。在机器学习领域，O-HAZE可作为训练集或测试集，用于开发基于真实数据的去雾模型。研究者在进行算法比较时，应注意遵循数据集提供的标准划分方式，并考虑不同场景下雾霾浓度与景深变化对算法性能的影响。

背景与挑战

背景概述

在计算机视觉领域，图像去雾技术旨在恢复因大气悬浮颗粒导致的光散射与衰减而退化的图像质量，这一病态逆问题长期缺乏真实场景下的基准数据集支撑。O-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等机构的研究团队于2018年联合创建，首次提供了45组在严格可控光照条件下采集的真实户外有雾与无雾图像对。该数据集的核心价值在于突破了以往依赖合成雾效数据的局限，为去雾算法的客观定量评估奠定了实证基础，显著推动了单图像去雾研究从理论假设向真实场景应用的过渡。

当前挑战

O-HAZE数据集所应对的领域挑战集中于单图像去雾这一病态问题的复杂性：雾霾退化具有空间异质性，其强度随场景深度非线性变化，且受大气光与透射率耦合影响，导致传统先验模型在真实场景中常出现色彩失真与结构伪影。在构建过程中，研究团队面临多重技术难题：需在室外环境中模拟稳定均匀的自然雾效，同时确保有雾与无雾图像对在完全一致的光照、机位与参数下采集，为此引入了专业雾机并严格控制风速、时间等环境变量，整个采集周期跨越八周以上以保障数据的一致性与可靠性。

常用场景

经典使用场景

在图像去雾研究领域，O-HAZE数据集作为首个包含真实雾霾与无雾图像对的户外场景基准，其经典使用场景在于为单幅图像去雾算法提供客观且定量的性能评估。该数据集通过专业雾机模拟真实雾霾条件，确保了雾霾与无雾图像在相同光照参数下采集，从而为研究者提供了一个可靠的实验平台，用于验证去雾模型在真实环境中的有效性。

解决学术问题

O-HAZE数据集解决了去雾研究中长期存在的关键学术问题，即缺乏真实雾霾与无雾图像对作为地面真值，导致算法评估依赖合成数据或非参考质量指标，难以达成共识。通过提供45个户外场景的真实图像对，该数据集使得研究者能够基于PSNR、SSIM和CIEDE2000等客观指标，精确量化去雾算法的结构恢复与色彩保真度，推动了去雾技术从理论假设向实际应用的过渡。

实际应用

在实际应用中，O-HAZE数据集为自动驾驶、监控系统和户外摄影等领域的视觉增强技术提供了重要支撑。例如，在自动驾驶系统中，去雾算法能够提升恶劣天气下的场景可见度，增强环境感知的可靠性；在监控领域，该数据集有助于开发鲁棒的图像复原工具，改善雾霾天气下的视频分析性能。这些应用直接受益于数据集对真实雾霾条件的精确模拟。

数据集最近研究

最新研究方向

在图像去雾领域，O-HAZE数据集作为首个包含真实雾霾与无雾户外图像对的基准，推动了研究从依赖合成数据向真实场景验证的范式转变。当前前沿研究聚焦于利用深度学习架构，如生成对抗网络和注意力机制，以提升模型在复杂光照与不均匀雾霾条件下的鲁棒性。该数据集亦促进了多模态融合与物理引导神经网络的发展，旨在更精确地估计大气透射率与全局光照，从而减少色彩失真与结构伪影。相关热点事件包括NTIRE去雾挑战赛的举办，进一步凸显了O-HAZE在标准化评估中的核心地位，其影响在于为算法性能提供了可靠量化依据，加速了去雾技术在自动驾驶与遥感监测等实际应用中的落地进程。

相关研究论文

• O-HAZE: a dehazing benchmark with real hazy and haze-free outdoor images

  洛林大学天主教分校 · 2018年