去雾算法

本文介绍了“SingleImageHazeRemovalUsingDarkChannelPrior”中提出的单幅图像去雾算法。该方法首先估算大气光A,然后计算介质传导系数t,并通过SoftMatting方法进行优化。最后利用双边滤波得到去雾后的图像。

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

“Single Image Haze Removal Using Dark Channel Prior”阅读笔记
含雾图像的模型可用如下等式表示:

I(x)=J(x)t(x)+A(1t(x))

其中I是实际获取到的图像,J是场景辐射光,A是大气光,t是介质传导系数。
根据文章,我们先估计出Atmospheric Light量A。文章认为暗通道中最亮的0.1%像素是被雾化的。输入图像I在这些位置上最亮的像素值就是Atmospheric Light。
估计出A后就可计算传导系数t(x)
t^(x)=1ωminyΩ(x)(mincIc(y)Ac)

其中c(r,g,b),参数ω是为了保证图像的深度,论文中取值为0.95。
通过这种方法估计出来的传导系数是比较粗糙的,论文中用Soft Matting方法对其进行了优化,优化结果是计算如下等式:
(L+λU)t=λt^

其中λ=104U是和L相同纬度的单位矩阵,矩阵L是matting Laplacian matrix,其第(i,j)元素计算公式如下:
k|(i,j)ωk(δij1|ωk|(1+(Iiμk)T(k+ε|ωk|U3)1(Ijμk)))

其中IiIj分别是输入图像Iij像素的颜色值,δijδ函数,μkk是窗口ωk各颜色分量的均值和协方差矩阵,U3是一个3×3单位矩阵(identity matrix),ε是规则化参数,|ωk|表示窗口ωk内像素的个数。
求出传导系数t后,在对其进行双边滤波(bilateral filter)。
得到了传导系数和环境光后,就可计算出去雾后图像:
J(x)=I(x)Amax(t(x),t0)+A

其中t0一般取值为0.1,设置这个参数是因为场景辐射光J易受噪声的干扰。
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