基于暗原色先验的去雾理论与算法的学习
改进的基于暗原色先验的图像去雾算法
文 章 编 号 ： １ ０ —２ ９（ ０ １ ２０ ０ ６ ０ ７０ ４ ２ １ —０ ７ ０ １０
电路 与 系 统 学 报
Ｊ ＵＲＮＡ Ｌ Ｏ ０Ｆ ＲＣＵ Ｉ ＣＩ ＴＳ ＡＮ Ｄ Ｙ ＳＴＥＭ Ｓ Ｓ
Ｖ Ｏ ．６ １１
２１ 大 气散 射 模 型 ．
解 决 问题 之 前 ， 常 要对 所 研 究 的 问题 建 立 数 学 模 型 。大 气 散射 模 型描 述 了雾 化 图像 的 退化 过程 ： 通
Ｊ ） （ ＝Ｊ（ ｔｘ ＋Ａ（ 一ｆ ） ｘ）（ ） １ （ ） （ ） １
（ ）式 中 ， Ｊ 观 测 图像 的强 度 ，．是 景 物 光 线 的 强度 ， 是 无 穷远 处 的大 气 光 ，ｆ 为透 射 率 。 １ 是 ， 称
摘 要 ｔ分析 讨论 了原 暗原色 先验 去雾 算法原 理 ，指 出其不足 之处 并推 导 出改进方 法 。通 过 引入一 种容差 机制 ，算
法 能 更 有 效 地 处 理 不 满 足 暗 原 色 先 验 的 明 亮 区 域 ，纠 正 了 这 类 区 域 错 误 估 计 的透 射 率 ，从 而 克 服 原 算 法 在 处 理 这 些 区 域 时 产 生 的 色 彩 失 真 。 实 验 结 果 表 明 ， 这 样 的修 改 切 实 可 行 ，恢 复 图 像 消 除 了色 彩 失 真 ， 视 觉 效 果 得 以 显 著 提 高 。 关 键 词 ，去 雾 ； 暗 原 色 先 验 ； 色 彩 失 真 ； 容 差
不 足 的 是 这类 方 法 一 般 需要 求 得 场 景 深 度 或 大 气 条 件信 息 。 而现 实条 件 下 ，获 取 的 降质 图像 并 没 有 附 加 任 何 景 深 与大 气 条 件 的信 息 。 由于 己知 信 息 量 不足 ， 因此 图像 去 雾 恢 复 是 个 不适 定 的反 问题 。为 了
基于暗原色先验图像去雾的改进算法
基于暗原色先验图像去雾的改进算法李春江##禹素萍#’2,许武军#’2,范红1’2(1.东华大学信息科学与技术学院，上海201620;2.东华大学数字化纺织服装技术教育部工程研究中心，上海201620)摘要：基于暗原色先验的方法去雾效果较好，但也存在处理效率不高、天空区域容易产生较为明显的失真等缺点。
采用双边滤波与最大值滤波相结合的方法取代软抠图对透射率进行优化，通过判断大气光强度和暗通道差值绝对值大小来区分雾图中明亮区域与暗原色区域，并削弱明亮天空区域的去雾。
实验表明，本文算法不仅有效降低了传统算法的时间复杂度，还达到了较好的视觉效果。
关键词：图像去雾；暗原色先验；双边滤波；处理速度中图分类号：T P309.7文献标识码：A D O I：10. 19358/j.iss n. 1674-7720. 2017. 16. 015引用格式:李春江，禹素萍，许武军，等.基于暗原色先验图像去雾的改进算法％J].微型机与应用，2017，36(16):53-55.The im provem ent algoritlim of image dehazing based on darlc channel priorL i Chun j i a ng1，Yu Sup i ng1’2，Xu W u j un1，2，F a n H o ng1，2(1. S ch o ol o f In fo rm a tio n S cien ce and T e c h n o lo g y，D o n g h u a U n iv e r s ity，S h a ng h ai 201620，C h in a；2. E n g in e e rin g R esearch C enter o f D ig itiz e d T e x tile&F a sjiio n T echnology o f M in is try o f E d u c a tio n，D onghua U n iv e rs ity，Shanghai 201620,C h in a)A b s t r a c t:T h e m e th o d b ased on d a rk c h a n n e l p r io r can dehaze e ffe c tiv e ly，b u t i t has som e d is a d v a n ta g e s，in c lu d in g lo w p ro c c s s in g e ffic ie n c yand p ro d u c in g m ore o b v io u s d is to rtio n e a s ily in the s k y areas. T h is p a p e r a dopts b ila te ra l filte r in g and m a x im u m filte r in g m e th o d c o m b in e d too p tim iz e th e tra n s m is s io n m ap in ste a d o f s o ft m a ttin g，d iv id in g th e im ag e in to b rig h t areas and d a rk c h a n n e l areas b y a b so lu te va lu e o f thed iffe re n c e of a tm o s p h e ric ligh t a nd d a rk c h a n n e l ，a nd w e a k e n in g these b rig h t areas to defog n o t o n ly re d u c c s t he tim e c o m p le x ity o f th e tra d itio n a l a lg o r ith m，b u t also achie ve s a good v is u a l e ffe ct.K e y w o r d s：haze re m o v a l；d a rk c h a n n e l p r io r; b ila te ra l f ilt e r in g；p ro ce ssin g speed〇引言在雾霾的天气条件下，由于空气中大量悬浮粒子的存 在，在户外拍摄的图像的质量严重下降。
基于暗原色先验的图像去雾算法研究的开题报告
基于暗原色先验的图像去雾算法研究的开题报告一、研究背景及意义近年来，图像去雾是计算机视觉领域中备受关注的研究方向之一。
由于许多自然场景中存在着雾、烟雾等气溶胶，这些气溶胶对于图像质量和可视性的影响巨大。
因此，如何去除这些噪音并恢复清晰的图像，对于提高图像的质量和可视性具有重要意义。
图像去雾算法的研究和应用在计算机视觉、计算机图形学、遥感图像处理等领域广泛应用。
目前，已经有许多图像去雾算法被提出，如单尺度Retinex、Dark Channel Prior、全自动物理模型、分层反卷积等。
但是，在实际应用中，这些算法仍然存在以下几个问题：去雾效果不理想、存在较大的计算复杂度和较大的计算误差等问题。
因此，如何提出一种高效、准确、实用的图像去雾算法，是当前研究的重点。
二、研究目标和内容本文的研究目标是基于暗原色先验的图像去雾算法的研究，旨在解决现有算法的不足，提高去雾算法的准确性和效率。
具体研究内容包括：1. 基于暗原色的理论研究：分析暗原色与气溶胶之间的物理关系，研究暗原色先验在图像去雾中的作用和作用机理。
2. 基于暗原色先验的图像去雾算法设计：基于暗原色先验，设计一种新型的去雾算法，包括暗通道先验、暗原色先验和模糊先验等关键步骤。
3. 算法实现与优化：设计并实现基于暗原色先验的去雾算法，利用图像处理的相关技术对算法进行优化和改进，降低算法的时间复杂度和计算误差。
4. 算法评价：选取不同的数据集和评价指标，对所提出的算法进行定量和定性评价。
与现有的各种算法进行对比分析，检验本文算法的可行性和效果。
三、预期研究成果1. 基于暗原色先验的图像去雾算法：提出一种全新的图像去雾算法，以暗原色先验为主要思想，采用暗通道先验、模糊先验等关键步骤实现图像去雾。
2. 算法的优化和改进：利用图像处理技术和优化算法，降低算法的复杂度和误差，提高算法的运行速度和准确性。
3. 算法的应用分析：对算法的实际应用进行分析，如在图像处理、计算机视觉、计算机图形学等领域的应用。
基于暗通道先验的图像去雾算法改进研究
基于暗通道先验的图像去雾算法改进研究摘要：暗通道先验去雾算法求得的的透射率比较精细，去雾效果优于大多数去雾算法。
然而在暗通道求取过程中，最小值滤波的处理会使得暗色向外扩张，导致透射率扩张变大，使得去雾后的图像在边缘部分产生“光晕”现象。
为了减弱光晕效应，利用形态学理论对粗略透射率进行腐蚀处理，腐蚀掉扩张变大的透射率，然后使用容差机制修复不符合暗原色先验的明亮区域透射率，再使用引导滤波精细化透射率，最后利用去雾模型复原图像。
实验表明，改进后的算法去雾效果更佳、去雾速度更快，具有更强的鲁棒性。
关键词：暗通道先验去雾；腐蚀；引导滤波DOIDOI：10.11907/rjdk.161089中图分类号：TP312文献标识码：A 文章编号：1672-7800（2016）005-0030-040 引言雾霾天气不仅影响人们的出行，也给视频监控、自动驾驶等涉及室外图像应用的领域带来了很大挑战，并引起了相关研究人员的重视，如今已出现了不少研究成果。
图像去雾的研究方法可分为两大类，基于图像增强的方法和基于物理模型的方法。
早期图像去雾研究主要利用图像处理的知识来去雾，Kim[1]提出对雾图进行局部直方图均衡处理的方法，这种方法根据每个像素的邻域对像素进行处理，可以突出图像的特征，但运算量较大，算法复杂度较高。
Land[2-3]基于色彩恒常性提出了Retinex即视网膜皮层理论，其后出现了一些基于Retinex的图像增强算法[4-6]，与其它图像增强算法相比，基于Retinex的图像增强算法处理的图像，局部对比度相对较高，色彩失真较小。
基于图像增强的去雾方法可以利用成熟的图像处理算法来增强图像的对比度，突出图像中的特征信息，但这种方法会造成图像部分信息损失，导致图像失真。
图像去雾的另一类是基于物理模型的方法，该方法研究大气悬浮颗粒对光的散射作用，通过大气散射模型来复原图像，恢复的图像效果更真实，图像信息能得到较好保存。
Narasimhan等[7]提出了雾霾天气条件下的单色大气散射模型，后来基于物理模型的方法几乎均建立在此模型之上。
基于暗原色先验图像去雾算法的研究与改进
基于暗原色先验图像去雾算法的研究与改进作者：王亮万舟来源：《软件》2017年第09期摘要：暗原色先验算法在单幅图像去雾方面有较好的效果，但该算法对处理器要求较高，且耗时长，很难应用于对实时性要求较高的图像去雾。
针对这一问题，提出了一种基于暗通道先验的改进算法：首先用高斯滤波替代软抠图方法消除块状效应、平滑透射率，根据给定的雾浓度系数粗略恢复无雾图像；然后增大雾的浓度系数，结合峰值信噪比和暗原色先验算法对图像进行去雾处理，最终恢复无雾图像。
与典型的去雾算法相比，改进后的算法运算量显著减少，保证去雾效果的同时计算速度明显提高。
关键词：暗原色先验；图像去雾；高斯滤波；峰值信噪比0 引言目前，无人机广泛用于航拍、交通监测、空中侦察和测绘等方面。
其轻便、机动灵活、隐蔽性强的特点，使其具有很高的应用价值，越来越受到人们的重视。
然而无人机雾天执行任务时，由于大气中气溶胶对光线的吸收和散射作用，造成无人机拍摄图像质量下降。
图像的退化和模糊使得图像中基本信息特征失真受损，导致目标识别不清。
因此，对无人机图像进行去雾技术研究意义重大。
雾天下由于从目标物体反射的光线与大气粒子的相互作用，发生折射、散射、吸收融合等光学现象，造成能量大幅衰减，感光装置接收到的光线强度发生变化，从而引起图像灰度值分布过于集中、像素间的对比度降低等。
目前无人机去雾算法主要分为两类：基于图像处理的图像增强，通过对雾化图像锐化处理提高对比度，凸显图像中的细节信息，但会造成一定的细节丢失，并不能真正地实现去雾。
该类方法主要包括gamma校正、直方图均衡、小波变换、对比度拉伸等；第二，基于物理模型的图像复原，通过对整个过程清晰的了解构建物理模型，反演退化过程，获得清晰无雾的图像。
该类方法主要包括基于偏微分方程、基于深度关系、基于先验信息等。
如基于暗通道先验的图像去雾算法，虽然能获得较好的清晰度和对比度，但该基于先验信息的方法依然存在计算复杂，明亮区域透射率估算不准确，色彩过于饱和等问题。
暗原色先验图像去雾算法研究
暗原色先验图像去雾算法研究嵇晓强1,23,戴 明1,孙丽娜1,郎小龙1,王 洪1,2(1.中国科学院长春光学精密机械与物理研究所,吉林长春130033;2.中国科学院研究生院,北京100039)摘要:为了减小有雾天气对户外成像系统尤其是航拍视觉系统成像的影响,提出了一种新颖快速的基于暗原色先验和雾天图像退化模型的图像去雾方法。
结合航拍图像特点,对原暗原色先验去雾算法做了优化和改进。
选取一系列户外带雾图像进行大量实验,结果表明,该方法能从物理特性上快速明显的去除雾的干扰,提高图像的清晰度,增强图像色彩和细节,复原得到高质量的图像。
实际工程测试表明,文中方法能有效提高雾天航拍成像系统的能见度,降低气象条件对航空成像测量方面的限制,对提高其雾天工作的可靠性和稳定性具有重要意义。
关键词:能见度;去雾;暗原色;复原中图分类号:TP751.1 文献标识码:A 文章编号:100520086(2011)0620926205R esearch on th e im age h aze2rem ov al algorithm b ased on th e p rior d ark2ch annelJ I X iao2qiang1,23,DAI Ming1,SUN Li2na1,LANG X iao2long1,W ANG Hong1,2(Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences,Changchun130033,Chi2 na;2.G raduate School,Chinese Academy of Science,Beijing100039,China)Abstract:In this paper we propose a fast and effective method to process the haze degraded image based on prior dark2channel and the physical model of hazy image in order to reduce the bad effect in the out2 door visibility system especially the aerial visibility imaging system in foggy days.The method optimizes and improves the original dark2channel prior algorithm which combines the characteristics of the aerial ing this method,we can recover a high quality haze2free image.The experiments of processing many outdoor foggy images have been conducted,and the results demonstrate that it can efficiently re2 move the haze from the physical character of the haze,increase the definition of haze2degraded images, enhance the details and color,and recover high quality haze2free images.The test of project indicates that it can improve the visibility of the aerial imaging system and reduce the bad weather effect on the aerial imaging and measurement.K ey w ords:visibility;haze removal;dark2channel;restoration1 引 言 户外场景的光学成像往往会由于受到有雾天气的影响,造成图像对比度降低、颜色偏灰白色、物体辨认不清,直接限制和影响了室外目标识别、公路视觉监控和卫星遥感监测等各种视觉系统效用的发挥[1,2]。
基于暗通道先验的单幅图像去雾改进算法
基于暗通道先验的单幅图像去雾改进算法基于暗通道先验的单幅图像去雾改进算法摘要：近年来，随着计算机视觉和图像处理领域的快速发展，图像去雾成为了研究的热点之一。
在单幅图像去雾中，暗通道先验算法是一种非常有效的算法。
本文提出了一种基于暗通道先验的单幅图像去雾改进算法，通过对暗通道进行优化得到更好的去雾效果。
实验结果证明，该算法在去雾效果和图像细节保持方面都达到了较好的效果。
关键词：暗通道先验算法；单幅图像去雾；图像细节保持 1. 引言在许多户外场景中，雾霾天气会导致图像质量下降，进而影响计算机视觉和图像处理的性能。
因此，图像去雾技术的研究对于提高图像质量和准确性具有重要意义。
在过去的几年中，许多基于单幅图像的去雾算法被提出，其中暗通道先验算法是一种广泛应用的方法。
2. 暗通道先验算法暗通道先验算法是一种利用图像中存在的暗通道来估计场景中全球大气光照的方法。
暗通道可以理解为图像中最暗的区域，它存在于几乎所有户外图像中。
该算法基于以下观察结果：在大气无光散射模型中，透射率和全球大气光照成反比关系。
因此，通过估计图像中最暗区域的暗通道来获得全球大气光照估计，并进一步计算出场景的透射率。
最后，通过修复的透射率和原始图像重建无雾图像。
然而，传统的暗通道先验算法在一些情况下存在一定的局限性。
首先，传统算法往往难以处理场景中存在强光源的情况。
这是因为在强光照射下，暗通道不再是局部最暗的区域，导致估计的透射率不准确。
其次，传统算法对于具有复杂纹理和细节的图像在去雾后可能存在伪影和失真问题。
3. 改进算法为了克服传统暗通道先验算法的局限性，本文提出了一种基于暗通道先验的单幅图像去雾改进算法。
改进算法分为以下几个步骤：3.1 强光源处理对于存在强光源的图像，传统算法往往难以准确估计透射率。
因此，我们在预处理阶段采用了一种强光源检测和过滤的方法。
首先，通过检测图像中较亮的区域来判断是否存在强光源。
然后，对于存在强光源的图像，我们利用图像分块和平滑操作来减弱其影响，使传统暗通道算法能够更好地适应这样的场景。
基于暗原色先验去雾算法的研究与改进
２ ０ １ ４年 ２月
成
都
信
息
工
程
学
院
学
报
Ｖｏ Ｌ２ ９ ＮＯ． １ Ｆｅ ｂ．２ ０１ ４
Ｊ Ｏ ＵＲＮ ＡＬ ＯＦ Ｃ ＨＥ ＮＧ ＤＵ ＵＮＩ ＶＥ Ｒ Ｓ Ｉ ＴＹ Ｏ Ｆ Ｉ Ｎ Ｆ ＯＲ ＭＡＴＩ ＯＮ Ｔ ＥＣ Ｈ ＮＯＬ ０ ＧＹ
以改进 。
１ 雾 天 条 件 下 的 图 像 增 强
１ ． １ 大 气 散射 物理 模型
何凯ｉ ￣Ｃ １ ５ ３ 的暗原色先验去雾方法是基于文献 ［ １ ８ ］ 的大气物理散射模型 （ 如图 １ 、 图２ 所示 ） 进行 的， 该模型
收 稿 日期 ： ２ ０ １ ３ ． １ １ — １ ５ 基金项 目： 四川省 ２ ０ １ ０基础研究计划项 目（ ２ ０ １ ０ ． １ Ｙ ０ １ ８ １ ）
摘要 ： 在雾天情况下 ， 室外 采集到的图像易受 到噪声 干扰 ， 质量降 低 ， 清 晰度下 降 。在对 常用 的几种 图像去雾
方法 的对 比分析 及研 究的基础上 ， 提 出了改进的基于小波变换结合 暗原色先验 去雾 的快 速算法 。通过小 波分解 可
求 出近似环境光 ， 对环境光 ， 大气光 的估计 ， 可对原图像进行复原 。实验表 明， 改进 的算法不但 去雾效果 明显 ， 图像 色彩 丰富 ， 而且可 以有效地减少 运行 时间 ， 提 高运 行速度。
Ｉ （ Ｘ ） 指平时拍摄到的有雾图像 ， Ｊ （ ） 为要恢复的无雾图像 ， Ａ（ ｘ ） 环境光成分 ， ｔ （ ｚ ） 是透射率 ， 图像去雾 就是通过估算环境光 Ａ（ ｘ ）， 透射率 ｔ （ Ｘ ）， 求出无雾图像 Ｊ （ ｚ ） 。方程 中的第一项 Ｊ （ ｚ ） ｔ （ ｚ ） 为衰减模型 ， 第二 项 Ａ（ ） （ １一 ｔ （ ） ）是环境 光模 型 。
基于暗通道先验的图像清晰化去雾算法研究
基于暗通道先验的图像清晰化去雾算法研究基于暗通道先验的图像清晰化去雾算法研究摘要：随着计算机视觉领域的发展，图像去雾技术在许多应用中得到了广泛的应用，例如无人机拍摄、视频监控等。
而暗通道先验是一种经典的图像去雾方法，它基于图像中存在的低亮度区域。
本文针对基于暗通道先验的图像清晰化去雾算法进行了深入研究，通过实验验证了该方法的有效性。
1. 引言图像去雾是一种重要的图像增强技术，在许多应用中发挥着关键作用。
然而，由于大气散射的影响，图像可能会出现模糊、低对比度的现象。
因此，图像去雾算法的研究成为了计算机视觉领域的热点问题之一。
2. 暗通道先验原理暗通道先验是一种基于全局的图像先验知识。
它认为，在大部分的自然图像中，至少有一个通道的像素值在某些区域非常接近于零。
这一观察启发了基于暗通道先验的图像去雾算法。
3. 基于暗通道先验的图像去雾算法基于暗通道先验的图像去雾算法主要包括以下几个步骤：（1）估计全球大气光照：通过计算每个像素点在RGB三个通道上的最大值来估计全球大气光照。
（2）计算暗通道：对输入图像进行滤波操作，得到每个像素点的暗通道。
（3）估计透射率：通过计算每个像素点的暗通道除以全球大气光照，得到透射率。
（4）恢复原始图像：根据透射率和全球大气光照，对输入图像进行去雾处理，恢复清晰的图像。
4. 实验结果与分析本文通过实验对比了基于暗通道先验的图像去雾算法和其他经典的图像去雾算法。
实验结果表明，基于暗通道先验的图像去雾算法在提高图像清晰度和对比度方面具有较好的效果。
5. 算法优化尽管基于暗通道先验的图像去雾算法具有较好的效果，但仍然存在一些问题。
例如，对于包含高光和投影阴影的图像，该算法可能会导致一些伪影。
因此，对算法进行进一步的优化是有必要的。
6. 结论本文针对基于暗通道先验的图像清晰化去雾算法进行了深入研究。
通过实验验证了该方法的有效性。
然而，该算法仍然存在一些不足之处，需要进一步改进。
未来，我们可以通过结合其他图像处理技术来改进和优化该算法，提高图像去雾效果。
基于暗原色先验理论的斜视相机去雾算法
Science and Technology & Innovation ┃科技与创新・11・文章编号：2095－6835（2016）24－0011－02基于暗原色先验理论的斜视相机去雾算法关秋祺，杨立波（长春理工大学 电子信息工程学院，吉林 长春 130022）摘 要：为了消除大气对斜视相机航拍图像的影响，建立了斜视退化模型，提出了一种从图像分块和引导滤波细化透过率图来改进暗原色理论的方法。
实验结果表明，通过该方法获得的图像细节更丰富，能有效缓解因分块效应导致的“halo”效应，图像去雾效果比较好。
关键词：暗原色先验；退化模型；引导滤波；图像去雾中图分类号：TP391.41 文献标识码：A DOI ：10.15913/ki.kjycx.2016.24.011 斜视相机光学成像路径长，大气会严重影响相机的成像质量。
相机获取的图像质量差，可以用图像处理的方法提高图像质量。
目前，常用的图像处理方法是去阴霾，也叫“去雾”。
去雾的算法很多，常用的是基于非模型的图像增强算法和基于物理模型的复原方法。
基于物理的方法从图像复原的角度出发，从本质上去雾，常用的方法有Tan 算法、Fattal 算法和He 算法等。
通常情况下，这些方法是在物理退化模型下进行的，是解决病态反问题的方案。
为了降低反问题的难度，暗通道先验理论受到了极大的关注。
本文针对斜视相机航拍获得的降质图像，结合暗原色先验理论，提出了一种基于大气传输退化模型的去雾方法。
本文简要介绍了基于大气散射的斜视退化模型和基于暗原色理论的改进型导向滤波算法，给出了实验结果，并进行了分析，提出了算法应用方案。
1 大气传输退化模型1975年，McCartney 根据Mie 散射理论，提出了著名的大 气散射模型，如图1所示。
目前，该模型被广泛应用于计算机视觉和图像处理领域。
针对复杂的大气散射影响McCartney 进行建模分析，揭示了雾天条件下图像的退化机理和图像的组成。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
暗原色先验去雾原理
暗原色先验去雾原理
• 上述推论中都是假设全球大气光A值是已知的，在实际中，我们可以借助于 暗通道图来从有雾图像中获取该值。具体步骤如下： • 1） 从雾化暗通道图中按照亮度的大小取前0.1%的像素。 • 2） 在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值， 作为A值。 • 到这一步，我们就可以进行无雾图像的恢复了。由上式可知： • J = ( I - A)/t + A
基于暗原色先验的去雾理论与算法的学习报告
By唐建城 杨琪泽
去雾除霾现实意义
近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5值越来越 引起人们的广泛关注。 在有雾天气下拍摄的图像模糊不清，清晰度不够，细节不明显，色彩保 真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果。 限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥 感监测、军事航空侦察等系统效用的发挥，给生产与生活等各方面都造 成了极大的影响。 以公路监控为例，由于大雾弥漫，道路的能见度大大降低，司机通过视 觉获得的路况信息往往不准确，进一步影响对环境的判读，很容易发生
暗原色先验去雾原理
• 但是当t值很小时，会导致J的值偏大，从而使得图像整体向白场过渡，因此 一般可设置一阈值T0，当t小于t0时，令t=t0。在单幅图像去雾算法中，t0通 常被设置成0.1。最终恢复公式：
暗原色先验去雾原理
• 下面直接用上述理论进行图像恢复，去雾效果也是可以的，但边框会出现模 糊，左边是原图，右边是恢复后的图像
暗原色先验去雾原理
计算机处理雾图图像通用模型:
I(X)就是我们现在已经有的图像（待去雾的图像），J(x)是我们要恢复的 无雾的图像，A是全球大气光成分， t(x)为透射率。现在的已知条件就是 I(X)，要求目标值J(x),显然，这是个有无数解的方程，因此，就需要一些 先验了。将上式稍作处理，变形为下式：
暗原色先验去雾原理
暗通道先验的理论指出，暗通道的值通常趋于0
实际生活中造成暗原色中低通道值主要有三个因素： （1）阴影。汽车、建筑物和城市中玻璃窗户的阴影，或者是树叶、树 与岩石等自然景观的投影； （2）色彩鲜艳的物体或表面。由于色彩单一，缺少RGB通道的其他色 彩，这就导致暗通道图像中出现非常低的灰度值; （3）暗色目标或表面。例如颜色较暗的服装、树木、石头等。 总之，自然景物中到处都是阴影或者彩色，这些景物的图像的暗原色 总是很灰暗的。
经 过 引 导 滤 波 恢 复
引导滤波
预估的透射率图
引导滤波后的透射图
原图
直 接 利 用 暗 通 道 先 验 恢 复
经 过 引 导 滤 波 恢 复
暗原色先验去雾
总结起来算法分为四步： 1，求出雾图的dark channel（暗通道或暗原色）；
2，根据dark channel 估算出透射率t；
3，优化透射率t； 4，根据雾图模型，求出去雾图。
谢谢
暗原色先验去雾原理
对于没有雾的图像，在绝大多数非天空的局部区域里，某一些像素总会有 至少一个颜色通道具有很低的值。换言之，该区域光强度的最小值是个很 小的数。 我们给暗通道一个数学定义，对于任意的输入图像J，其暗通道可以用下式 表达：
式中Jc表示彩色图像的RGB通道中的某一个 ，Ω(x)表示以像素X为中心的 一块区域。
由于时间以及能力关系，我们只研究了暗原色先验
去雾。
暗原色先验去雾原理
暗通道（原色）先验——何凯明
2009年CVPR最佳论文作者何凯明博士（2007年清华大学毕业，2011年香港中文大学博士毕业） 首次提出暗通道先验理论。 2010年提出引导滤波算法对滤波效果改进。 2011年对暗通道先验理论进行改进。 2013年对引导滤波算法进行改进。
暗原色先验去雾原理
• 下面直接用上述理论进行图像恢复，去雾效果也是可以的，但边框会出现模 糊，左边是原图，右边是恢复后的图像
引导滤波
引导图像滤波是一种边缘平滑滤波器，它可以实现图像边缘的平滑、细节增
强、以及图像融合去噪等功能，是一种功能强大的滤波器。它的原理是通过 一幅引导图像对输入图像进行滤波，因而也被成为引导滤波，输出的图像在
如上所述，上标C表示R/G/B三个通道的意思。 然后对上式两边求两次最小值运算，得到下式：
暗原色先验去雾原理
如果将原始图像的雾完全除去，则图像的深度感会有所丢失，图像会显 得不真实，所以在实际计算过程中可以在上述等式中引入常数w，从而 保留部分覆盖远景的雾。
暗原色先验去雾原理
w 值对去雾结果的影响
交通事故，此时高速封闭或者公路限行，给人们的出行带来了极大的不
便。
去雾除霾现实意义
迫切需要对雾天图像 进行有效的去雾处理
去雾除霾方法
图像去雾的两大类方法
（1）基于大气散射物理模型法：暗原色先验去雾， 偏振成像去雾。 （2）基于图像增强的算法：直方图均衡化，同态 滤波，小波变换，Retinet算法等。
暗原色先验去雾原理
有雾图像无雾图像暗通道对比
暗原色先验去雾原理
有雾图像无雾图像暗通道对比
暗原色先验去雾原理
从视觉上看，可以看到因雾气产生的散射作用，使得被雾干扰的暗像素亮度往往 高于其原有的亮度（这时在有雾的图像被雾覆盖的区域的图像特征已经不满足先 前说过的低通道的三个因素（阴影，色彩鲜艳，暗色物体），并且被光照增强的 暗像素点的亮度可以认为是雾的亮度的近似估计，利用暗通道的这一特性，可以 估计图像雾中的浓度，为后期图像去雾工作奠定了基础。
保留输入图像整体特征的同时，能充分获取引导图像的变化细节。
引导滤波
图片来自何老师在eccv2010上使用的slides
引导滤波
预估的透射率图
引导滤波后的透射图
原图
直 接 利 用 暗 通 道 先 验 恢 复
经 过 引 导 滤 波 恢 复
引导滤波预估的透射率图源自引导滤波后的透射图原图
直 接 利 用 暗 通 道 先 验 恢 复
何凯明主页( /en-us/um/people/kahe/ )
暗原色先验，来用于单一图像去雾。暗原色先验是对户外无雾图像库的统计得出的规律。在不包括 天空的绝大部分局部区域，总会存在一些被称之为“dark pixels”的像素，至少有一个颜色通道具备 很低的强度值。在被雾干扰的图像里，这些暗像素的强度值会被大气中的白光成分所充斥而变得较 高。因此，这些暗像素能够直接用来评估雾光的透射信息。结合一个已有的雾成像模型和插值法抠 图修复，便可以得到高质量的去雾图像和很好的深度图。