非均匀光照图像去雾方法

《A Point Light Source Interference Removal Method for Image Dehazing》

论文作者：Yanyang Yan, Shengdong Zhang, Mingye Ju, Wenqi Ren1, Rui Wang1, Yuanfang Guo
发表会议：CVPR
发表时间：2020

一、摘要

去除单个图像的雾度一直是一个具有挑战性的问题，并且当朦胧图像中存在点光源时，大多数现有的除雾方法的性能都会降低。在本文中，提出了一种点光源干扰消除方法（PLiSIR），以减少估计大气光时的干扰。根据我们的观察，点光源周围的像素强度可以通过高斯分布近似建模。无论光源的具体数量如何，都可以合理地获得受干扰像素的位置。 然后创建二进制掩蔽图以区分像素是否受光源影响，因此在大气光的估计期间，可以通过去除受干扰的像素，将PLiSIR应用于除雾算法。为了演示如何将PLiSIR应用于不同的算法，我们选择了暗通道先除雾方法（DCP）和颜色衰减先验除雾方法（CAP）作为两种载波方法，并据此介绍了适应方法。实验结果表明，与原始的DCP和CAP方法相比，PLiSIR可以帮助DCP和CAP更好地估计大气光，从而产生更好的除雾效果。此外，PLiSIR还帮助DCP和CAP简化了导引滤波器的参数调整过程。最后，我们将改进的DCP方法（我们称为PLiSIR-DCP）与最新的夜间除雾算法进行了比较，从而提出了一种适用于白天和夜间除雾的方法。

二、背景

2.1 大气成像模型

最广泛应用的大气散射模型如下：

并且当大气是均匀的时，透射率t可以表示为：：

其中d是景深，则要想求得无雾图像J，需要首先估计出A和t。

2.2暗通道先验方法（DCP）

此方法比较经典，不详细介绍，主要公式有：

A：暗通道（即公式3）中最亮的像素，为了提高鲁棒性，选择暗通道中前0.1%的最亮的像素，并求其平均值作为A；
t：根据暗通道先验求得；
J：根据以下公式求得：

2.3 颜色衰减先验方法（CAP）

公式2表示场景透射率t随深度d呈现指数衰减，则Zhu等人提出通过深度估计来恢复t，然后计算大气光和场景辐射。在HSV颜色模型中，雾度的浓度与亮度通道和饱和度通道之间的差异相关，然后，他们提出了一个线性模型：