22、基于CLAHE的高效单图像去雾技术解析

基于CLAHE的高效单图像去雾技术解析

在计算机视觉领域，图像去雾技术能显著提升众多任务的性能。图像去雾大致可分为白天去雾和夜间去雾。白天的雾天图像通常只有一个光源，即太阳，针对这类图像有多种处理方案；而夜间雾天图像则存在多个不同的光源，研究界也有不同的处理方法。不过，目前这些方法对图像质量的提升效果仍有待提高。

1. 主要贡献

本文聚焦于白天雾天图像去雾，着重分析了著名的暗通道先验（DCP）方法，并在此基础上提出了一些改进，主要贡献如下：
- 分析DCP方法，提出使用对比度自适应受限直方图均衡化（CLAHE）进一步改进该方法。
- 使用近500张图像，结合DehazeNet模型对改进方法进行测试，深入分析去雾效果。
- 提出基于调整大小后的暗通道优化方法，提高处理速度，相比现有方法有显著提升。

2. 背景与相关工作

过去，图像去雾方法主要利用多幅输入图像的特征，如基于对比度恢复的方法，会在不同天气条件下拍摄同一场景的多幅图像，然后以晴朗天气的图像作为参考；基于偏振的方法则通过拍摄不同偏振度的两幅或多幅图像进行去雾。近年来，也出现了一些仅需单幅图像作为参考的去雾方法，这些方法依赖有效的先验知识。本文采用了He等人提出的DCP方法。

2.1 暗通道先验（DCP）

图像去雾的目标是从拍摄的图像中去除雾气影响，恢复原始图像的颜色强度、光照和辐射等细节。雾天图像模型可表示为：
[I(x) = J(x)t(x) + A(1 - t(x))]
其中，(I)是拍摄的雾天图像，(J)是场景光，(A)是大气光，(t)是介质传输率，表示未散射并到达相机的光的比例。去雾方法的目的是从(