22、图像去雾与听力辅助技术的前沿进展

图像去雾与听力辅助技术的前沿进展

快速自适应图像去雾与细节增强

在现实生活中，雾天拍摄的图像往往存在清晰度低、细节模糊等问题，这给许多应用场景带来了困扰，比如自动驾驶系统中的道路图像识别。为了解决这些问题，研究人员提出了一种快速自适应图像去雾与细节增强的方法。

快速去雾过程

在对图像进行分解后，会依据大气模型对基础层进行去雾处理。具体步骤如下：
1. 计算大气光图（Amap） ：根据公式 (Amap(x) = mean(b) = μq(x) - \frac{σ^2_q (x)}{σ^2_q (x) + εμq(x)}) 来计算，其中 (μq) 和 (σ^2_q) 分别是引导滤波器输出 (q) 的均值和方差，(ε) 是尺度平滑值。为了更好地适应不同程度的雾影响，会将图像分为“受雾影响较小”和“受雾影响较大”两个块，分别采用不同的尺度平滑值，即 (ε = 10^{-6}) 和 (ε = 10^{-5})。
2. 获取传输图（T） ：通过公式 (T (x) = 1 - ωD(x)/A) 计算，其中 (ω) 是经验选取为 0.7 的常数参数，(D) 表示暗通道，(A) 是从大气光图 (Amap) 中最亮的 1% 像素的中值得到的大气光值。暗通道可以通过 (D(x) = \min_{c∈{r,g,b}} I^c_{bl}(x)) 来评估，这里 (I^c_{bl}) 表示 (I_{bl}) 的 RGB 颜色通道。然后使用时空马尔可夫随机场对传输图进行细化。
3. 得到去雾图像（J） ：根据公式 (J = \frac{I_g - A}{T_R} +