30、单图像去雾的变分框架

单图像去雾的变分框架

1 引言

在不利天气条件（如雾霾）下拍摄的图像通常对比度低、颜色暗淡，严重影响场景的可见性。恢复雾霾层下的图像结构和鲜艳色彩是一项具有挑战性的任务，因为图像退化与深度有关，传统方法难以有效处理。

1.1 雾霾对图像的影响

雾霾是由大气中悬浮的小颗粒（气溶胶）引起的，这些颗粒会吸收和散射光线。随着物体在图像中深度的增加，其对比度会降低，远处的山脉通常会呈现出蓝色调。

1.2 去雾的重要性

恢复恶劣天气条件下拍摄的图像在图像处理和计算机视觉应用中具有重要意义。许多户外视觉系统假设输入是未受干扰的场景辐射，但在恶劣天气下，即使是人眼也难以辨别图像内容。因此，在恶劣天气条件下稳健地恢复视觉信息对于机器人/车辆自主导航、视频监控系统以及航空和遥感图像的土地覆盖分类等机器视觉任务至关重要。

1.3 现有方法的局限性

由于恢复真实强度和颜色的问题存在不确定性，除非有场景深度数据，否则难以解析求解。大多数现有方法依赖于基于物理的图像形成分析模型，通过估计图像的透射率（或深度）来恢复图像。这些方法可分为多图像方法和单图像方法，但通常需要额外的信息，而这些信息在实际应用中往往难以获取。此外，一些不依赖深度估计的方法可能会导致图像过度增强，出现伪影。

1.4 本文方法概述

本文提出扩展一个受感知启发的变分框架用于单图像去雾。主要改进是用无雾场景的均值估计值替代原框架中的灰色世界假设值，从而设计出一种无需估计场景深度结构的变分方法，实现空间可变的对比度增强，有效去除远处区域的雾霾。

2 背景和相关工作