卷积神经网络去雾去雨方法
标题:A Convolutional Network for Joint Deraining and
Dehazing from A Single Image for Autonomous Driving in Rain
作者:Hao Sun, Marcelo H. Ang Jr. and Daniela Rus
来源:IEEE/RSJ International Conference on Intelligent
Robots and Systems (IROS),2019
一.传统图像处理算法
目前已知的方案有两种。第一种是基于图像增强的方法,这类方法是对被降质的图像进行增强,改善图像的质量。这种方法优势在于可以应用已有的成熟图像处理算法,可以对常用的图像算法进行针对性的运用和改良,增强图像的对比度,突出图像中景物的特征和有价值的信息。但是,这种方法可能会造成图像部分信息的损失,使图像失真。第二类是基于物理模型的方法,这种方法通过研究大气悬浮颗粒对光的散射作用,建立大气散射模型,了解图像退化的物理机理,并反演复原出未降质前的图像。这是一类专门针对雾天图像的图像复原的方法,复原出来的图像效果真实,贴近降质前景物原景,对复杂场景的图像处理效果较好,图像信息得到较完整的保存。
雾图模型
I(x) ——待去雾的图像
J(x)——无雾图像
A——全球大气光成分
t——折射率(大气传递系数)
暗通道先验
在无雾图