暗通道先验+加权最小二乘 去雾 原理

本文介绍了何恺明提出的暗通道先验去雾模型,结合加权最小二乘法,解释了去雾过程的关键因素——透射率图和大气光成分的获取。同时,阐述了导向滤波和加权最小二乘滤波的原理,探讨了它们在改善去雾效果中的作用,特别是在处理图像边缘和细节上的优化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文主要讲解,何恺明暗通道先验去雾以及加权最小二乘算法的原理部分,对应代码可在资源处下载。

1暗通道先验去雾模型

 公式(1)是常用的雾霭形成模型:

                            (1)

其中,I(x)为实际拍摄到的有雾视频帧,J(x)为去雾后的原视频帧,A表示全球大气光成分,先对暗原色的亮度进行排序,从中选出暗原色亮度最大的像素的0.1%的值,它们对应原图中所有强度值的最大值即为A;t(x)用来描述太阳光通过媒介投射到摄像机过程中没有被散射的部分,简称透射率图或介质传输率,可表示为(0≤t(x)≤1)。而去雾就是通过I(x)得到J(x)的过程。方程右边的J(x)t(x)叫做直接衰减项,A(1-t(x))则是大气光成分,它反映了大气散射光对成像光强的影响,造成了视频帧的不同程度模糊和色调的偏移。

何恺明等通过大量统计,发现在自然场景视频帧中非天空部分的局部区域里的某些像素点,至少有一个颜色通道的值很低以至趋于0。因此进而他提出了暗通道先验去雾模型,即对任意的自然场景无雾图像J(x),其暗通道满足:

                    (2)

其中J(x)是无雾图像在RGB三个颜色通道中的暗原色,相对应的I(x)是某一RGB的单色通道的实际有雾帧,在以为中心的局部邻域内,将(2)式带入(1)式后得

                

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值