算法步骤:
step 1: 估计大气光A
本算法是通过对有雾图像的每个颜色通道进行局部最小值滤波,得到三个暗通道图像,然后把每个暗通道图像中的最大值作为大气光值A的相应通道的灰度值。step 2: 边界约束
step 3: 邻域约束
step 4: 根据分离变量的方法来解目标函数并得到透射率t
step 5: 去雾
正则化大概有两个功能:
1,从模型修正上看,起了一个trade-off作用,用于平衡学习过程中两个基本量,名字诸如bias-variance、拟合能力-泛化能力、损失函数-推广能力、经验风险-结构风险等等;
2,从模型求解上看,正则化提供了一种唯一解的可能,众所周知,光用最小二乘拟合可能出现无数组解,加个L1或L2正则化项能有唯一解。
什么是损失,什么是正则;什么是L1,什么是L2。一会儿是L1正则,一会儿是L2损失。总结:L1或者L2就是某种范数(线性代数和矩阵的基本概念),既可以用于损失又可以用于正则化参数。损失是衡量预测值和真实值的差异,正则是控制所求参数的量级。
Meng的官网深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件