A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior——基于颜色衰减先验单图片去雾算法原理...
本人最近在研究去雾方面的最新文献(2016年初),当然去雾方面的经典论文是何凯明博士的《Single Image Haze Removal Using Dark Channel Prior》,我这里讲的论文主要是自己平时在看的一些文献,看的过程中进行总结,一方面是给自己看论文留下一点可参考的东西,另一方面希望能对各位产生帮助。可能有些地方不尽如人意,不喜勿喷。
一、专业词汇:
图1 |
图2 |
图3 |
图4 |
raw depth map:由雾图恢复过来的深度图,如图1所示
blocking artifacts:块效应,如图2所示
transmission maps:去雾要删掉的图,如图3所示
airlight:大气散射光
二、颜色衰减先验
这篇文章提出了一种新的先验——颜色衰减先验。首先讲讲什么是颜色衰减先验:
通过对雾霾图的场景深度建模(线性模型),它是说图像的深度和亮度,饱和度之间存在线性关系。如上图所示,c区域为近景无雾部分,b区域远近适中,有一定雾,a区域为远景雾气浓重。由c右边图表可知,c图的亮度46.18%,饱和度很高,两者几乎没差。通过图表的比较可以得出以下几个结论:1.饱和度很容易受雾气的影响,一旦有一点雾,下降的很快。2.亮度在有雾的情况下(有散热光)反而会更亮。3.无雾情况下,亮度和饱和度几乎没差,受雾的影响下,亮度和饱和度之差悬殊。并且雾越浓重,两者相差越悬殊,也就是说亮度和饱和度之差和雾浓度正相关。
基于场景深度和雾浓度的关系,我们可以推出:
深度和亮度与饱和度之差正相关!
于是有 d(X)=θ0+θ1v(X)+θ2s(X)+ε(X).
三、计算θ0,θ1,θ2和σ2的值
d(X)=θ0+θ1v(X)+θ2s(X)+ε(X),
d是深度,v是亮度,s是饱和度。θ0,θ1,θ2线性系数。ε(X)是随机变量表示模型的随机错误。可以把ε当做随机图。
我们让ε(X)~ N(0,σ2),得d(X)-θ0-θ1v(X)-θ2s(X)~N(0,σ2) ---->d(X)~N(θ0+θ1v+θ2s,σ2)
明确问题:亮度v,饱和度s已知,需要计算θ0,θ1,θ2,σ的值,关键在于深度d目前不可测量于是有了以下方法。
a.合成图像数据集
因为测量图片的深度比较困难,没有量化的方法(即d未知)。受唐在<<Investigating haze-relevant features in a learning framework for image dehazing>>文中的方法。根据大气散射模型:I(X) = J(X)t(X)+A(1-t(X)),t(X) = e-βd(X),β散射系数跟大气情况有关。本文采用:清晰无雾图 + 随机深度图 【服从(0,1)均匀分布】+随机大气光A= 样本雾图
第一,对每一张清晰图,我们都产生一张相同大小的随机深度图,合成深度图的像素值服从在开区间(0,1)的标准均匀分布,即A(1-t(X))。第二,产生0.85<k<1的随机大气光A,最后我们用随机深度图d和随机大气光A合成有雾图。我们使用500张无雾图作为训练样本。
b.最大似然估计
对于联合概率密度函数,我们假设每个像素出错的概率是独立的,可得:
对该式做最大似然估计,两边同时取以e为底的log,然后化简对θ0,θ1,θ2,σ分别做协方差求极值得:
根据公式(16)-(19),采用梯度下降算法去计算θ0,θ1,θ2的值
1 /* 2 *Input: the training brightness vector v,the training saturation vector 3 *s,the training depth vector d,and the number of iteration t 4 *Output:linear coefficients θ0,θ1,θ2,the variable σ2 5 *Auxiliary functions: 6 * function for obtaining the size of the vector: n=size(in) 7 * function for calculating the square: out=square(in) 8 */ 9 Begin 10 n=size(v); 11 θ0=0;θ1=1;θ2=-1; 12 sum=0;wSum=0;vSum=0;sSum=0; 13 for iteraiton from 1 to t do 14 for index from 1 to n do 15 temp=d[i]-θ0-θ1*v[i]-θ2*s[i]; 16 wSum=wSum+temp; 17 vSum=vSum+v[i]*temp; 18 sSum=sSum+s[i]*temp; 19 sum=sum+square(temp); 20 end for 21 σ2=sum/n; 22 θ0=θ0+wSum;θ1=θ1+vSum;θ2=θ2+sSum; 23 end for 24 End
本文用了500个训练样本和1.2亿像素点训练线性模型。经过517代最后得出的最好系数θ0=0.121779,θ1=0.959710,θ2=-0.780245,σ=0.041337。确定了相关系数,我们就可以用来恢复有雾图的深度。
四、深度图恢复
b就是由a恢复的深度图,称为raw depth map.黑色景物比较近,白色比较远。图b就出现了"白鹅效应",图中的白鹅本身是比较近的,但由于其本身就是白色,误认为是远景,这会影响结果的准确性。
我们取在以遍历的某像素x为中心的r*r图像区域内的最小值,结果如图c所示,有效解决但是出现了块效应。最后才经过导向滤波得到图d.
五、清晰图恢复
通过d,A和公式1,2恢复场景J。为了抑制噪声,t(X)选取0.1-0.9之间。--- ①
I(X) = J(X)t(X)+A(1-t(X)), --- ②
t(X) = e-βd(X) --- ③
1、由②③可知在深度图中的白色区域深度无限深,所以I(X)=A,所以本文直接选取深度图中0.1%亮度像素,选取亮度最集中的一块作为大气光A。
2、由①②③得出公式:
有了该公式于是可以对J(X)无雾图进行恢复已达到目标结果。
散射系数β表示大气朝各个方向散射光的单位体积的能力。换句话说,间接决定了去雾的强度。
图11(e-g)不同β的transmission maps,(b-d)是相应去雾结果。可以看出,β太小去雾效果不好,而β太大则去雾过渡(图d变黑)。因此选取合适的β非常重要。大多数情况β=1.0去雾效果已经足够了。
转载于:https://www.cnblogs.com/zjuthantics/p/5276856.html
A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior——基于颜色衰减先验单图片去雾算法原理...相关推荐
- 读A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior
学习目标: A Fast Single Image Haze Removal Algorithm Using Color Attenuation Prior 个人体会: 基于模糊图像中像素的亮度和饱和 ...
- Visual Haze Removal by a Unified GenerativeAdversarial Network(基于生成式对抗网络的图像去雾IEEE2019)
摘要:本文提出了一种生成式对抗网络来去除视觉雾霾,称为HRGAN.HRGAN由生成网络和鉴别网络组成.一个联合估计传输图.大气光和无雾图像的统一网络(称为UNTA)被提议作为HRGAN的生成器网络.H ...
- 《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果(速度可实时)...
最新的效果见 :http://video.sina.com.cn/v/b/124538950-1254492273.html 可处理视频的示例:视频去雾效果 在图像去雾这个领域,几乎没有人不知道< ...
- 《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他。...
在图像去雾这个领域,几乎没有人不知道<Single Image Haze Removal Using Dark Channel Prior>这篇文章,该文是2009年CVPR最佳论文.作者 ...
- 《Single Image Haze Removal Using Dark Channel Prior》一文中图像去雾算法的原理、实现、效果及其他。 ...
在图像去雾这个领域,几乎没有人不知道<Single Image Haze Removal Using Dark Channel Prior>这篇文章,该文是2009年CVPR最佳论文.作者 ...
- Single Image Haze Removal Using Dark Channel Prior 基于暗原色先验的单一图像去雾方法【翻译】
Single Image Haze Removal Using Dark Channel Prior Kaiming He, Jian Sun, Xiaoou Tang The Chinese Uni ...
- Single Image Haze Removal Using Dark Channel Prior
单幅图像基于暗通道先验的去雾 Single Image Haze Removal Using Dark Channel Prior Kaiming He, Jian Sun, and Xiaoou T ...
- MyDLNote - Enhancement: Fast Single Image Rain Removal via a Deep Decomposition-Composition Network
Fast Single Image Rain Removal via a Deep Decomposition-Composition Network [paper] Fast Single Imag ...
- 去雾算法学习——Fast Visibility Restoration from a Single Color or Gray Level Image笔记
去雾算法研究之Fast Visibility Restoration from a Single Color or Gray Level Image学习 本文首先给出了雾的效果模型: ·可见性恢复算法 ...
最新文章
- Cocos2d入门--3--向量的应用
- javascript的数值范围
- 数字IC—FPGA同行交流
- java设计模式---工厂方法模式
- 加密解密技术—对称算法加密
- 程序 峰谷值 提取_ABAQUS:Python后处理—用excel提取位移、体积、应变等变化(一)...
- 第五章 云原生与容器技术
- scala与java混合编译出现的问题
- 怎么关闭默认使用腾讯视频播放视频文件
- 不可错过!斯坦福课程3D数据的机器学习方法(Machine Learning for 3D Data)第二部分Geometry Foundations: Surface Representations
- Spring RestTemplate: 比httpClient更优雅的Restful URL访问, java HttpPost with header
- oracle12 group by 拼接字符串
- python做一个本地搜索_用 python, django 实现的一个很简单的搜索引擎
- DockerKubernetes ❀ Kubernetes集群 - DashBoard服务(Web管理)安装部署
- 内温的整体优先效应实验_认知
- AD831混频器模块
- 理科生浪漫java表白代码_数学公式表白-2020理科生专属浪漫表白句子大全
- 抖音获取douyin分享口令url API 返回值说明
- 安卓玩机搞机技巧综合资源-----不亮屏幕导资料 有屏幕锁保数据刷机等 多种方式【十五】
- 企业电子邮箱怎么注册使用?outlook群发邮件怎么撤回?
热门文章
- iOS wallet开发
- 二分——切绳子(C++)
- linux网络编程一
- 网络请求(四)Retrofit实战——金山词霸查词API遇到的问题
- unity 2019 点击脚本启动不了VS_蚂蚁森林能量脚本,无需ROOT+支持模拟器
- 002-ESP32学习开发(SDK)-测试网络摄像头(OV2640),实现远程视频监控(花生壳http映射)
- ajax使鼠标触摸时图片放大,当鼠标移动到图片上时跟随鼠标显示放大的图片效果...
- 打印样式CSS的技巧和要点介绍
- linux 安装R 环境(最新)
- Hive中各种日期格式转换方法总结