去雾算法学习-----Automatic recovery of the atmospheric light hazy image（fattal 大气光值自适应去雾算法）阅读笔记

IEEE 2014

以色列 希伯来大学 

Matan Sulami     Itamar Glatzer      Raanan Fattal      Mike Werman

作者主页：http://www.cs.huji.ac.il/~raananf/

 

(1-t(x))A表现为环境光，A~表示矢量方向=A/||A||。

不精准的A会让t也不准确，由于t是用A求得的。不正确的A的模会导致术后出图像在亮度上的错误表现。并且这个多通道的偏差取决于t。当A偏大时，t小的地方（近景）会过曝，t大的地方（远景）会偏暗。而当A偏小时则相反。亮度的偏差依赖于t和图像的内容。

TAN认为最亮的像素充满了雾，是一个有雾区域的像素。

TAREL是基于灰度世界的假设，先对图像做白平衡，然后用A(1,1,1)进行去雾。

在这个算法中，将去雾分成了两个部分 1）求取A矢量的方向 2）求取A矢量的模长

 

求取方向A~

在去雾公式中，其中的J又可以表示成这样，其中l表示图像的明暗系数，反映亮度是一个标量；R表示图像表面反射系数，是一个矢量，反映了光的色度，并且||R||=1。

那么去雾公式可以写成，其中l(x)表示ti*l’(x)，ti表示第i块内的透射率，Ri是第i块内的反射率。

由于块具有局部平滑的特性。假设块内R和t保持不变。公式（3）可以理解为一个线性方程。那么一个块内的像素RGB会分布在一条直线上。且根据公式可知，这条线的方向为R矢量方向，偏移矢量为A~。

因此，每一个块的直线与原点形成一个平面，两个平面的交线就是候选向量。可以使用最少两个块或更多块的交点去恢复A~。

计算第i个块对应的直线和其对应的第j个候选向量计算最小欧式距离dij。对所有的dij进行排序，选取中值对应的那个块i。再从块i中选取其对应的距离dij最小的那个j个候选向量。这就是要求得的A~。用公式表示为。

上图可以看出，块内像素分布并不是完全的分布在直线上。块内下像素直线由所有像素的重心和PCA（主成分分析）过后的最大特征值对应的特征向量。

为了防止异常值，首先对块内所有像素进行一次PCA