去雾算法学习-Single Image Haze Removal Using Dark Channel Prior笔记

1.目标

雾天会导致图像有一定程度失真，目的就是进行去雾，恢复图像。

2.背景

在计算机视觉和计算机图形学中,以下模型广泛用于描述模糊图像的形成：

I(x)=J(x)t(x)+A(1-t(x))               （1）

其中I是观察到的强度,J是现场的光辉,A是全球大气光,t是媒介传输描述的一部分光线分散和到达相机。

去雾算法的目标是删除恢复J，从I和tN-pixel彩色图像,我有三个约束和4 n+3未知数。这就是烟雾去除的问题固有的模糊。

 在公式（1），第一部分J(X)t(X)的右侧，成为直接衰减参数。第二部分A(1-t(x))被称为空气光。直接衰减描述了现场光辉及其衰变在中,并从以前散射光和空气光的结果导致这种转变的场景颜色。虽然直接衰减是乘法失真的场景辐射,空气光一个添加剂。当大气中是同质的，传输t(x)可以表示为：

t(x)=e^-βd(x)      (2)

其中β是大气散射参数，d是场景深度。这个方程表明现场辐射衰减指数与深度。如果我们能恢复传输,我们还可以恢复深度未知的规模。

从几何角度说，去雾公式（1）是在RGB空间下推到的，向量A，I(x)和J(x)是是共面向量。

3 DARK CHANNEL PR