基于暗原色先验去雾理论与算法学习.pptVIP

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 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 去雾除霾现实意义 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。 由于时间以及能力关系，我们只研究了暗原色先验去雾。 去雾除霾方法 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。 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。 暗原色先验去雾原理  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。 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。  暗原色先验去雾原理 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。 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 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： 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 暗原色先验去雾原理 w 值对去雾结果的影响 式中 w 表征图像的去雾程度，设置该参数是为了使恢复后的图像保留一定程度的雾让图像看起来更为真实。显而易见 w 值越小，去雾后图像效果越差，示例