Single Image Haze RemovalUsing Dark Channel Prior

摘要

本文提出了一种简单而有效的图像先验方法——暗通道先验，用于去除单幅输入图像中的雾霾。暗通道先验是室外无雾图像的一种统计。它基于一个关键的观察结果——户外无雾图像中的大多数局部块包含一些像素，这些像素在至少一个颜色通道中的强度非常低。将该先验与薄雾成像模型一起使用，我们可以直接估计薄雾的厚度并恢复高质量的无薄雾图像。在各种模糊图像上的结果证明了所提出的先验的能力。此外，还可以获得高质量的深度图作为除雾的副产品。

一引言

本文提出了一种新的先验——暗通道先验，用于单幅图像去雾。暗通道先验是基于室外无雾图像的统计。我们发现，在大多数没有覆盖天空的局部区域中，一些像素(称为标记像素)通常在至少一个颜色(RGB)通道中具有非常低的强度。在模糊的图像中，该通道中这些暗像素的强度主要是由空气光造成的。因此，这些暗像素可以直接提供雾度透射的精确估计。结合薄雾成像模型和软抠图插值方法，我们可以恢复高质量的无薄雾图像并产生良好的深度图。

本方法的局限性：当场景对象在大的局部区域内在地类似于空中照明(例如，雪地或白墙)并且没有阴影投射在其上时，暗通道先验可能是无效的。

二背景

在计算机视觉和计算机图形学中，广泛用于描述朦胧图像形成的模型是

其中，​​​I是观察到的强度，J是场A是全球大气光，t是描述未被散射并到达相机的那部分光的介质透射。去雾的目是从I中恢复J、A和t。对于单像素彩色图4N+3个未知数 .

当大气均匀时，透射率可表示为

 是大气的散射系数，d是场景深度。该等式表明场景辐射随着深度呈指数衰减。

雾度成像方程(1)意味着在RGB颜色空间中，矢量a、I(x)和J(x)是共面的&#x