优化对比度加强的实时图像视频去雾

1模糊建模

                      (1)

素点P原始的R,G,B的颜色（原始的清晰图像）

   像素点P观察到的R,G,B的颜色（模糊图像）

     全球大气光

    t(p) ϵ[0,1]，

    反应光的透射率，由场景中的点到相机的距离d(p)决定,与距离成反比

     ：衰减系数，由天气条件决定，在典型的模糊条件下通常假设为1，

2.静态图像去雾

   1.估计输入图像的大气光A

   2.假设在图像的一个块区域里，场景深度是相同的。为每个块区域找到一个最优的透射率t(p)来最大化复原图像的对比度

   3.在加强对比度的同时尽可能减少因为像素截位形成的信息损失。

4.经过使用边缘保护的可移动窗口的滤波器，将基于块的透射率图改为基于像素的透射率图来对t进行优化，从而消除块效应。

5.从输入的模糊图像中，考虑透射率图和大气光，来还原场景

2.1 估算大气光（基于四叉树细分的分层次的搜索方法）

    1.将输入的图像分红四个矩形区域，在每一个区域内用像素的平均值减去它的标准差做为分数

    2.选择分数最高的区域，把它再分红四个矩形区域，重复1,2。直到最后选择的区域小于咱们预先定于的阈值

   3.在最终选择的区域里， 距离最小的颜色向量最为大气光

2.2估算最优透射率

  1. (1)式改写以下：

 

      当A估算出来只有，就只由t决定

2.对比对计算:Mean squared error (MSE) contrast

  

由公式能够看出，对比度与t成反比。

3.损失函数：对比度损失函数

 

 

 

4.t值

因此有

 

 

 说明

1：后面的透射率图t值优化精髓部分没有看懂，因此暂时不上传上来，后面看懂了再更新

2：文章后面还有视频流的去雾处理暂时没时间看，后面有时间看懂在更新

3：原文Optimized contrast enhancement for real-time image and video dehazing，本文是在本身的理解上翻译出来的