用CAP(颜色衰减模型)去雾论文的总结

本文介绍了使用颜色衰减先验(CAP)的快速单图像去雾算法。通过大气光模型和监督学习,估计图像的深度图,并利用亮度和饱和度的关系来判断雾浓度。通过训练线性模型参数,实现对景深的精确估计,从而有效地去除图像中的雾气。

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

A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior

 

摘要:论文中提出了一种新颖的方法来去雾,通过创建一个线性模型用来对有雾图像的场景深度进行建模,然后在监督学习的模式下对这个模型中的参数进行训练,得到一幅很好的景深图,然后用大气模型进行无雾图像的恢复!

介绍:

  1. 大气光模型

无雾图像的恢复在计算机视觉里面占据很重要的地位!在现有的去雾方法中,很大一部分都是基于物理模型来恢复的。我们通常所用到的大气模型如下:

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

t=e-βd(x)...................................(2)

 

首先我们要知道景深d是最重要的信息,在雾气均匀的情况下β可以看做常量,在理想的情况下d的范围是[0,∞),反映在图像上就是物体可以距观察者很远,当d是无穷大的时候,t趋近于0,则有I(x)

评论 1
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