Automatic Recovery of the Atmospheric Light in Hazy Images论文阅读

1. 论文的研究目标与实际意义

1.1 研究目标

论文旨在解决单幅雾图中大气光向量（Atmospheric Light Vector）的自动估计问题。传统方法依赖用户输入或基于灰度世界假设等易错假设，而本文提出了一种全自动方法，分两阶段恢复大气光的方向（$\hat{A}=A/\Vert A\Vert$）和幅值（$\Vert A\Vert$），以解决以下问题：

1. 方向估计：通过局部图像块中传输率和表面反照率恒定的假设，在RGB空间中建模像素分布；
2. 幅值估计：通过全局统计特性（最亮像素强度与传输率无关性），消除幅值误差导致的亮度偏差。

1.2 实际问题与产业意义

大气光估计不准确会导致去雾结果出现颜色失真和亮度偏差（如图1所示）：

应用价值：

• 自动驾驶：提升雾天环境下视觉感知的稳定性；
• 安防监控：减少去雾算法因人工干预导致的误检；
• 遥感成像：提高卫星图像在恶劣天气下的地物识别精度。

---

2. 论文的创新方法、模型与公式

2.1 方法框架

论文提出两阶段方法：方向估计（Orientation Estimation）和幅值估计（Magnitude Estimation），核心流程如图2所示：

两阶段分别基于局部和全局统计特性。

---

2.1.1 方向估计（Orientation Estimation）

核心假设：局部图像块中传输率$t(x)$和表面反照率$J(x)$近似恒定。
简化的大气散射模型：
对于局部块$\Omega$，假设$t(x)=t$且$J(x)=J$，则模型（1）退化为：
$$I(x)=tJ+(1-t)A\forall x\in \Omega (1)$$
在RGB空间中，像素分布形成一条直线，方向由$\hat{A}$决定。
几何推导：
将像素值$I(x)$投影到RGB空间，通过主成分分析（PCA）提取直线方向，多个块的直线交点即为$\hat{A}$。
公式推导：
设两个局部块${\Omega }_1$