使用增强大气散射模型的图像去雾和曝光（二）

III、 基于EASM（IDE）的图像去雾

在本节中，基于灰色世界假设（GWA）[48]和上一节中描述的EASM，开发了一种称为IDE的快速可见性恢复方法。它可以同时对单个模糊图像进行除雾和曝光，而无需任何额外要求。IDE只使用了三个模块，即先验约束模块、快速计算模块和场景反照率恢复模块。

A.优先级约束

GWA假设一个场景的三个颜色通道的平均反照率往往是相同的常数，并且是消色差的（灰色）[48]，已成功用于颜色投射校正[49]–[51]。在这项工作中，我们利用GWA来限制EASM的不确定性，将输入图像中的每个局部补丁视为一个小场景。具体而言，我们首先假设局部补丁中的传输是常数，并将其表示为t~。然后，对局部补丁在EASM的两侧执行平均运算（等式8）：

其中，A Plot是不同颜色通道的大气光的平均值，而Plot I和ρPlot分别是I和ρ的局部平均值。从数学上讲，它们可以表示为

其中，c是颜色通道指数，（x，y）是以坐标（x，y）为中心的局部斑块，I c、ρc和Ac分别是I颜色通道中的雾度分量、场景反照率和大气光。根据GWA，局部斑块（在本工作中被视为小图像）的平均反照率可以近似为

根据[9]、[48]。请注意，当局部补丁大小s较大时，这更准确。当s较小时，此近似值的精度较低。在这项工作中，局部补丁大小s被优化为75×75。优化的细节见第IV-A节。

通过这种近似，方程9简化为：

该方程是一个超越方程，由于含有对数函数，很难直接求解。在下面的小节中，引入了一个有效的拟合函数来求解方程12。

B.快速计算

为了使方程12可解，使用有理函数f（·）来代替方程中的对数函数ln（·）。有理函数表示为

其中p1=−0.397和p2=0.07747使用MATLAB cf工具进行优化以拟合对数函数。对数函数ln（t）和有理函数f（t）的曲线用于拟合ln（t），如图所示。3。从图中可以看出，这两个函数非常吻合。

将方程13代入方程12，将超越方程转换为

注意，这个方程是一个一元二次方程。为了清楚起见，它被重写为

                                      图3。方程13中对数函数和拟合有理函数的曲线。

作为一个标准的一元二次方程，方程15有两个解。由于t∈[0，1]，因此省略了负解，并且唯一合理的解是

以前，假设局部补丁中的传输t Plot（x，y）是常数。然而，这种近似有时会导致深度不连续。为了避免这种负面影响，采用了导向滤波器（GF）[52]：

其中F（·）表示GF算子。根据等式。16，有五个参数，即ln（tmin）、Plot A、Plot i、p1和p2，用于计算等式中的λ1、λ2和λ3。18。因此，为了清楚起见，方程18可以缩写为五个参数的函数

C.场景反照率恢复

将等式19和通过[17]估计的A代入EASM（等式8），用于除雾和曝光的场景反照率恢复公式（SARF）表示为：

其中SF（·）是SARF的缩写。注意，SF（·）是七个参数的函数，其中I是模糊输入，a可以通过[17]很容易地估计，而I和a可以通过等式计算。10，p1和p2的值之前已经优化，tmin是唯一未解决的未知参数。

鉴于大气光的位置通常对应于整个图像中场景深度最大的像素[31]，获得tmin最直观的方法是将其值初始化为大气光tal的透射。注意，tal可以通过变换方程12来获得，因此

其中（x0，y0）是大气光的坐标。

我们注意到，所使用的GWA有一个限制，即，当局部斑块包含天空或单色部分时，该局部斑块的平均反照率应不同于我们在等式11中设置的值（0.5）。11。在这些情况下，tal可能是错误估计的。为了找到合适的tmin值，设计了一种全局拉伸策略。它利用整个图像的信息而不是一个像素来确定tmin。因此，可以获得防止过度增强和过度饱和的全局最优结果。形式上，GSS表示为

哪里↓δ是系数为δ=4的下采样算子，（·）是饱和算子，ε是去雾结果的预设饱和度。在这项工作中，我们在阴影和高光中剪裁2%的像素值，即设置ε=0.02。所设计的GSS是一个一维搜索问题，可以通过黄金分割法（GS）求解。一旦通过GS计算出tmin，就可以分别通过等式18和SARF（等式20）直接生成透射和无雾度结果。图4显示了在两个例子中使用IDE的恢复结果和相应的直方图，其中tmin=tal和GSS。

正如预期的那样，GSS弥补了GWA的局限性，它能够通过最大化对比度和最小的信息损失来实现高质量的恢复。为了清晰起见，本文提出的IDE的分步过程在算法I中进行了概述。