去雾综述_图像去雨去雾综述

本文介绍了两种图像去雾方法,包括何凯明提出的基于暗通道先验的去雾算法和DehazeNet神经网络模型。Dark Channel Prior利用暗通道特性估计透射率,而DehazeNet则采用卷积神经网络进行端到端的反射率预测,以实现图像去雾。
摘要由CSDN通过智能技术生成

1.Single Image Haze Removal Using Dark Channel Prior

这是何凯明在博士期间发表的一篇经典的图像去雾算法的文章。这篇文章中他通过观察提出了一种暗通道算法(Dark Channel Prior),简单来说就在一张正常图像中,除了天空区域,在图像的每个小块(patch)中一定有一些像素点至少有一个通道的值是非常小的,基于这个先验条件,何凯明团队使用了一种简单有效的办法来进行图像去雾。

下面的公式为经典的去雾模型,其中

指获取得到的图片亮度,

是去雾后恢复的图像,

指透射率,

是指大气的光成分(即雾成分)。这个公式还是很容易直观的理解,因为透射率可以在一定程度上代表损失率。

为大气散射系数,

为景深。

由于在统计意义上,一个patch中总有几个像素的至少一个通道是很暗的,此时的

趋近于0,于是在一个patch中有如下公式成立:

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值