【去雾论文阅读】A Novel Fast Single Image Dehazing Algorithm Based on Artificial Multiexposure Image Fusion

题目：A Novel Fast Single Image Dehazing Algorithm Based on Artificial Multiexposure Image Fusion
作者：Zhiqin Zhu , Hongyan Wei , Gang Hu ,et.al
期刊：TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT(TIM)
时间：2020

摘要

现有成像设备缺乏及时有效地减轻由恶劣天气条件造成的可见度降低的能力。图像深度信息用于通过使用现有的基于物理模型的方法来去雾。但是不精确的深度信息会影响去雾性能。本篇论文提出了一个基于图像融合的算法来增强图像去雾的性能和鲁棒性。基于一组伽玛校正的曝光不足图像，通过分析全局和局部曝光来构建像素方向的权重图，以指导融合过程。 降低了融合图像亮度的空间依赖性，并在去雾过程中平衡了其色彩饱和度。

简介

作为一种图像处理技术，图像去雾集成了计算机视觉和机器学习算法，可以有效地减轻不利的雾度影响，从而获得具有增强的对比度和场景对象适当清晰度的高可见度图像。

因为雾度是与景深有关的现象，因此随着深度的变化图像质量的退化在空间上是变化的。物理退化模型需要相应的先验知识来获得深度信息，深度信息不仅确定是否可以获得雾度分布的准确估计，而且进一步影响去雾性能。但是，相应的先验知识不适用于任何场景，这导致获得的深度信息并不总是准确的。因此，在各种模糊图像中的去雾性能不稳定。

无需依赖深度的物理模型，即可通过不同的图像增强技术在全局和局部优化过程中实现图像去雾，例如直方图均衡，小波变换，同态滤波和色彩空间转换。 然而，传统的基于图像增强的使用图像补丁的除雾技术在补丁内部保持恒定光照的情况下会出现伪影产生问题[20]。 通常，当前的图像去雾方法主要遭受颜色失真，光晕伪像和饱和度问题。

平衡的图像亮度和色彩饱和度是无雾图像的两个重要特征。本文着重于减少明亮区域的曝光，并以所需要的对比度和图像色调恢复结构细节。由于雾度浓度取决于位置，因此可以使用像素方向的曝光度来显示各种空间细节。

本文提出了一种基于人工多曝光图像融合的图像去雾框架，该框架首先结合了经过伽玛校正的图像的全局和局部细节，然后平衡图像的亮度和色彩饱和度以获得相应的无雾图像。
首先，使用一系列伽玛校正操作来提取人为曝光不足的图像序列。 然后，构造基于像素的曝光度的权重图进行图像融合。 最后，执行线性饱和度调整以获得最佳的无雾图像。

所提出的解决方案将多重曝光图像融合应用于图像去雾，可以有效避免在深度信息估计过程中由于物理退化模型而导致的色彩失真和光晕伪影。该解决方案集成了线性饱和度调整机制，可以有效解决饱和度问题。

本文提出的解决方案有两个主要贡献：
1）在不使用深度信息的情况下，从总体和局部暴露程度得出各个空间区域的雾度厚度。
2）逐像素融合权重图适用于基于照明的曝光度的全局和局部视图。

方法

本文提出了一种基于多重曝光图像融合的图像去雾框架，如下图所示：

作为多个伽玛校正图像的融合应用，提出的解决方案通过逐像素权重计算来分析全局和局部图像细节。
有六个主要步骤：
1）将四个不同系数的一组伽玛运算应用于原始有雾图像 $I$。
2）根据图像分解策略，使用导向滤波器将每个曝光不足的图像分解为全局分量$B_k$（基础层）和局部分量$D_k$（细节层），其中