17、图像去雾与股票价格预测：创新方法与实践

图像去雾与股票价格预测：创新方法与实践

图像去雾：新型传输图估计函数

在图像去雾领域，传统方法如 DCP、AIPNet 和 CAP 有其局限性。为了克服这些问题，提出了一种新的传输图估计函数，该函数考虑了输入有雾图像的饱和度和值通道，因为与色调通道相比，它们受雾的影响最大。

传输图估计函数如下：
[T’ M(m) = \exp\left(-\frac{I {dark}^O(m)}{\exp\left(\left[I_S^O(m)\right]^4\times\left[I_V^O(m) + I_S^O(m)\right]^{0.01}\right)}\right)]
其中，(T’_M(m)) 是新估计的传输图。在有雾的情况下，饱和度会降低。因此，浓雾区域的饱和度接近零，公式的分母接近 1，传输值主要取决于暗通道。而薄雾区域的饱和度较高，传输图对其更敏感，这避免了图像的过度增强。同时，值通道有助于保持颜色保真度和对比度信息。

大气光估计和图像去雾的步骤如下：
1. 使用上述传输图估计函数生成传输图。
2. 计算大气光 (A_G)：
[A_G = \max_{i\in{m|T’_M(m)<t_0}} (I_O(i))]
其中，(t_0) 是中等传输的阈值，这里 (t_0 = 0.1)。
3. 获得无雾输出图像 (I_T(m))：
[I_T(m) = \frac{I_O(m) - A_G}{T’_M(m)} + A_G]

该方法的优点是仅依赖于输入图像 (I_O(m))，无需手动调整参数（如 (\beta)）。

实验结果部分，将该方法与一些