Contrast in Haze Removal: Configurable Contrast Enhancement Model Based on Dark Channel Prior

吐槽吐槽！！！有史以来读的最费劲的一篇文章，各种长句！各种句式！各种缩写！各种实验中夹杂公式！！！各种各种！！！可是是IEEE的文章呢，读了那么多英文文章的如今读到我开始怀疑我的英文水平了，怀疑人生了！读了两天真的读不下去了快，但还是得读，万一挖到矿呢！！！

Liu P J, Horng S J, Lin J S, et al. Contrast in haze removal: configurable contrast enhancement model based on dark channel prior[J]. IEEE Transactions on Image Processing, 2019, 28(5): 2212-2227.

摘要

现存的问题：传统的雾度去除方法是为了调整对比度和饱和度，从而提高重建图像的质量。不幸的是，以这种方式去除薄雾会使亮度偏离其理想值。换句话说，消除雾霾涉及亮度和对比度之间的权衡。

提出的方法：（1）我们将去除雾的问题重新表述为亮度重建方案，其中使用一个能量项来实现亮度和对比度之间的有利权衡。该方法将重建图像的亮度值建立在对无雾图像进行统计分析的基础上，从而在给定的亮度水平上获得优于其他方法获得的对比度值。（2）开发了一个新的模块，用于估算大气光使用的颜色恒定性方法。该模块的性能优于现有方法，特别是在考虑噪声的情况下。该框架只需要0.55秒就可以处理100万像素的图像。实验结果表明，所提出的除雾框架符合我们的对比理论。

相关工作

先前的方法一般分为2步：

• 第1步：基于heuristics寻找特殊信息；根据实验发现局部先验信息比全部先验信息有效，但局部先验方法不足的是没有足够满足先验信息的像素来形成完整的传输图。
• 第2步：微调传输图；传输图可以被用来描述一幅图中物体的深度，传统方法基于这样一个假设：图像深度的方差接近于边缘的方差。因此可以从输入图像的深度来建立传输图。

介绍一些联合边缘保持算法（ Joint Edge-Preserving Algorithms），略。

动机和奉献

动机：

发现问题：

• （1）首先，等式中的约束无法确定传输如何影响对比度。而且文章发现传统的能量项实际上导致了对比度的衰减。
• （2）传统方法无法在亮度和对比度之间实现有利的权衡；即，去除雾后质量的任何提高都会使亮度偏离理想水平。过饱和是破坏图像自然外观的一个常见问题。不幸的是，大多数现有的烟雾去除方案往往会增加饱和度作为增强对比度的直接结果。因此，任何降低饱和增强效果的尝试都与增强对比度的尝试相反。
• （3）现存方法均受雾场景限制（浓雾/薄雾）；
• （4）大多数联合边缘的算法非常耗时，70%消耗在保边插值操作上。

这可以归因于传统框架缺乏与对比度和饱和度相关的显式能量项，以便在确保短执行时间的同时在亮度和对比度之间实现有利的权衡。

奉献：

本文方法

颜色和对比度的重要性：

1. Transmission Module

 

 使用EAW获得的平滑层表示如下：

 因此，我们得到纹理层：

根据方程式中的（14）推导。 RDC中的像素可以分为与空间分布相关的两个类别。 每个类别可以简单地定义如下：

因此，本研究所采用补偿是基于如下这一观察：

 

 

2. Luminance Module

 

3. Atmospheric Light Module

全局大气光通常由每个颜色通道的最大响应确定。在[13] [17] [19] [42]中提出了各种大气光模块。这些模块从低透射像素获得色调和强度;即，强度与色调具有相同的重要性。雾度去除在二色系统中进行;因此，地面实况和恢复的场景辐射之间的结构保真度（或线性相关）的损失是由传输的结构发散而不是大气光引起的。但是，应该注意的是，DCP利用大气光，如公式（3）所示。 。这意味着估计的大气色调hue会严重影响minimum operator的结果，从而改变传输图的边缘。 Hue在使用DPC的方法中起着重要作用。在这项研究中，在公式（11）中我们使用较弱的大气光来放大公式中的对比项 。我们研究了几种颜色恒常性方法，如MaxRGB [43]，Grey World（GW）[44]，Grey Edge（GE）[45]和Shades of Grey（SG）[46]。我们发现传统模块中采用的概念与颜色恒定方法兼容。对于低透射率的像素τ，观察结果为：

其中第二项是场景辐射的残余，第三项是噪音。 使用最亮像素估算大气光的模块，如[21]，就好像它们将Max-RGB应用于低透射像素一样。 类似地，获得低透射像素的平均值[13] [19]与将GW应用于低透射像素完全相同。 透射是消色差的这一事实使我们能够准确地估计大气的色调而不是强度。 可以使用值W和饱和来近似透射图（如[19]中所示：

实验结果

评估参数：

（1）： ：这两个参数旨在分析边缘的数量和强度。 参数第一个值表示全局对比度（即粗尺度上的对比度），第二值是纹理中的晶粒尺寸的测量值（即，精细尺度上的对比度）。

（2）平均正则化标准偏差（ARSTD）：

数据集：

• 原始NYU深度数据集[53]：1449个标记的室内图像。
• 采用了[54]（HRD）中提出的雾度模拟方法
• 使用估计值和地面实况之间的平均角度误差来评估重建颜色的准确性

质量评估标准：

1）使用RMSE和CieDE2000评估重建误差;

2）使用Weibull-Edge评估对比度;

3）使用SSIM和F＆T评估结构保真度和自然度；

1. 具有颜色和亮度去相关的可配置参数

提出的参数α作为提出的框架中的内核单元之一。它实现了可配置的饱和度对比度增强而不会失去亮度对比度。

当“接近零”时，重建几乎基于饱和度增强;相应的重建结果显着过饱和，例如 3（b）或3（c）。通过增加参数α来改善这种现象，例如 3（d）和3（e）。关于饱和度对比度的每个设置的在图3（f）中示出。它表明了图中的显着变化。图3（a）至3（d）涉及饱和度对比度增强。饱和度对比度的增加改善了过饱和现象，结果是恢复的图像看起来更自然。如第IV.E部分所述，最大局部亮度对比出现在最低透射率处。该结论表明，放松饱和项会导致局部对比度的损失。因此，对比度项补偿了损失。我们确定所提出的参数能够仅通过可忽略的亮度对比度损失来增加图像自然度。因此，用可靠的对比度项来增强饱和度对比度优于增加饱和度。使用Weibull可能性密度函数获得图3（f）所示的结果，同时考虑对比度β和颗粒γ的总和。我们评估HSV空间中亮度（或饱和度）的对比度。

2. Evaluation of Proposed Energy Term

3. Estimation of Atmospheric Light

4. Artifacts

 

5. 使用客观基准的比较

6. 时间复杂度

 

总结

在本研究中，我们从对比度增强的角度设计了一种雾度消除算法。实验结果表明，由于景深是基于边缘相似性的，传统的增强方法在增强对比度方面往往存在不足。在本研究中，我们将雾度去除问题重新表述为亮度和对比度之间的权衡，以便在给定亮度水平下获得比其他方法获得的对比度更高的对比度。提出了一种基于心理测量和生物统计的面向亮度优化方法。在此基础上提出了一种新的图像增强算法框架，证明了该算法是一种通用的图像增强方法。结果表明，该方法在处理雾度较大的图像和能见度较好的图像时具有很好的效果。该方法采用主观评价和客观评价相结合的方法进行评价。与现有方法相比，该方法计算量小。因为这些模型类似于大气模型，我们假设这项工作也可以扩展到图像matting或alpha blending。