图像去雾 2019CVPR PMS-Net【补丁图像选择网络】
-
提出原因:
常规patch-based haze removel algorithms 有缺点,也就是我们常说的暗通道先验在处理去雾图像时常会遇到 1)过饱和2)图像失真
-
本文亮点:
设计出一种自适应和自动补丁大小选择模型(PMS-Net),对应于每个像素去选择补丁大小。本文通过训练CNN,可以通过输入图像得到补丁图像。该网络运用于合成图像和真实有雾图像,训练结果良好。
-
相关知识点
1) 暗通道先验
对应何凯明的暗通道先验(dark channel prior),统计了大量的无雾图像,发现一条规律:每一幅图像的每一个像素的RGB三个颜色通道中,总有一个通道的灰度值很低。基于这个几乎可以视作是定理的先验知识,作者提出暗通道先验的去雾算法。
I(x)为观察到的有雾图像,J(x)为无雾图像,A是大气光值,t(x)为透射率,表示能够到达计算机系统的没有被散射掉的一部分光。之后我们根据以下等式估计传输图得到