图像除雾综述

参考文献：

• 雾霾太重？深度神经网络教你如何图像去雾
• 雾数据集

1 基于人工智能

手工特征是传统机器视觉的基础，讲究的是熟能生巧，依赖的是实践出真知。通过“观察→经验→设计”构建各式各样的特征来满足各式各样的任务需求。图像去雾技术也是沿着手工特征逐步地发展起来。

1.1 最大对比度（Maximum Contrast，MC）

2008年Robby T. Tan提出的Visibility in Bad Weather from a Single Image（【原文下载】）
利用局部对比度来近似估计雾霾的浓度，通过最大化局部对比度来还原图像的颜色和能见度。

1.2 暗通道先验（Dark Channel Prior，DCP）

2009年何凯明大神Single Image Haze Removal Using Dark Channel Prior (【原文下载】、【原文翻译】)
简洁有效 清晰图像块的RGB颜色空间中有一个通道很暗（数值很低甚至接近于零）。

1.3 颜色衰减先验（Color Attenuation Prior，CAP）

2015年A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior （【原文下载】）
雾霾会同时导致图像饱和度的降低和亮度的增加，整体上表现为颜色的衰减。

2 基于深度智能

2.1 DehazeNet

2016年DehazeNet: An End-to-End System for Single Image Haze Removal（【原文下载】）

Python
C++