基于暗通道先验的单幅图像去雾

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