基于暗通道先验的单图像去雾
参考文献
《Single Image Haze Removal Using Dark Channel Prior》
要点
本文提出了一个简单而有效的图像暗通道先验,以去除单一输入图像中的雾霾。暗通道先验是室外无霾图像的一种统计。它是基于一个关键的观测结果,即在室外无霾图像中,大多数局部区域包含一些像素,这些像素在至少一个颜色通道中的强度非常低。利用该先验知识和雾霾成像模型,可以直接估计雾霾的厚度,恢复出高质量的无雾霾图像。
一、引言
本文中提出了一种新的暗通道先验去雾方法。暗通道先验是基于室外无霾图像的统计信息。我们发现,在大多数不覆盖天空的局部区域中,一些像素(称为暗像素)在至少一个颜色(RGB)通道中通常具有非常低的强度。在朦胧的图像中,通道中这些暗像素的强度主要由空气光影响。因此,这些暗像素可以直接提供雾霾传输的精确估计。结合无雾成像模型和软插值方法,可以恢复出高质量的无雾图像,并生成良好的深度图。
二、背景
在计算机视觉和计算机图形学中,广泛用于描述模糊图像形成的模型是:
其中I是观察到的强度,J是场景辐射度,A是全局大气光,t是描述未散射到相机的光的部分的介质透射。去雾的目标是从I中恢复J、A和t。
在(1)中,右侧的第一项J(x)t(x)称为直接衰减,第二项A(1-t(x))被称为空气光。直接衰减描述了场景的亮度及其在介质中的衰减,而空气光是由先前散射的光引起的,并导致场景颜色的变化。直接衰减是场景辐射的倍数失真,而空气光是加性失真。
当大气均匀时,透射比t可表示为:
β是大气的散射系数,d是场景深度。该方程表明,场景辐射度随深度呈指数衰减。如果我们能恢复透射,我们也能恢复到未知的深度。
几何上,方程(1)意味着在RGB颜色空间中,向量A、I(x)和J(x)共面并且它们的端点共线(见图)。投射t是两个线段的比率:
其中c∈{r,g,b}是颜色通道索引。
三、暗通道先验
暗通道先验是基于对室外无霾图像的以下观察:在大多数非天空斑块中,至少有一个颜色通道