近日，我校计算机科学与技术学院赵辉煌教授团队在国际图像处理顶级期刊IEEE Transactions on Image Processing（IEEE TIP）发表题为“P3C-DNet: Pseudo-groundtruth Contrastive Learning with Color Calibration Dehazing Network”的学术论文，这是我校首次以第一单位在IEEE TIP上发表论文。赵辉煌教授为该论文第一作者，我校2022级硕士研究生欧阳泽（现为湘潭大学博士生）为第二作者，“衡阳师范学院”为论文第一署名单位，合作单位包括中国科学院自动化研究所、卡迪夫大学、湖南大学和湘潭大学。
IEEE TIP是国际电气工程师协会（IEEE）下图像处理领域的顶级期刊，是中国科学院SCI 一区TOP期刊、中国计算机学会CCF推荐的计算机图形学与多媒体领域的三大A类期刊之一，2024-2025年最新影响因子为 13.7。
图像去雾（Image Dehazing）旨在从雾图像中恢复成清晰图像，提高图像可见性。现有的去雾方法主要依赖于合成雾图像进行监督学习。这些方法虽然在合成数据集上效果显著，但往往难以推广到真实世界的雾图像，从而导致颜色失真和雾气去除不彻底等问题。
为了解决这些局限性，赵辉煌教授团队提出了一种新颖的无监督框架P3C-DNet。通过Pseudo-groundtruth Contrastive Supervision模块引入了一种伪GT图像生成策略，该策略通过生成高质量的伪GT图像，克服了真实无雾训练数据的缺乏问题。为了进一步完善去雾过程，引入了一种基于码本的图像编码和匹配机制，该机制将伪GT图像与雾图像输入对齐，从而提高了去雾输出的准确性和细节表现。为了解决普遍存在的颜色失真问题，尤其是在复杂环境中， P3C-DNet集成了动态颜色恢复块（DCRB），以确保去雾结果中的视觉质量和颜色一致性。实验评估表明，我们的P3C-DNet在雾气去除、颜色保真度和细节保留方面表现优异，显著优于现有方法。
