Visibility in Bad Weather from a Single Image---2008CVPR ,Tan
2013-09-02 14:52
387 查看
作者基于两点:
1. 增强之后的图像也就是清晰的图像比有雾的图像对比度高。
2. Airlight的变化主要依赖于距离d,所以airlight趋于平滑。
基于该两点建立马科夫模型的代价方程。
该算法的主要步骤是:
1、
首先估计atmosphericlight也就是
。
2、
然后从 中获取light chromaticity,也就是光的色度
。
3、
依据获取的光的色度,将原图像中illumination color去除得到
。
4、
然后从 中获取data cost。
5、
然后从 中获取smoothness cost.
6、
现在可以构建马科夫模型包括datacost和smoothness cost,最优化该代价方程之后就可以得到airlight A。
7、
由A就可以获取增强之后的图像。
现在来解决下面几个问题。
1、
首先构建该雾天图像的光学模型,即Optical Model
其中:
我们获取的图像,也就是雾天图像;
是我们获取图像上的每个像素点距离真实物体的距离;
是反射系数;
是大气的衰减系数,我们可以认为它是一个常数;
是atmospheric light,我们可以认为
是全局恒定值。
2、
怎么获取 ?
的获取我们是通过在全局之内寻找灰度值最大的点,从Optical Model的公式中我们可以看出,在无穷远处也就是d为无穷大的时候,我们获取的I值就是
,而通常我们认为天空就是在无穷远处的,一般天空的灰度值就是整幅图像中灰度值最大的点。
3、
怎么获取lightchromaticity也就是
?
其中c代表的是各个颜色通道rgb。
4、
获取lightchromaticity之后就怎样获取去除light color的图像?
获取去除light color图像的方法就是在有雾图像的每个通道上除以
也就是除以每个颜色通道的色度,这样就可以获取
。
5、
为什么有了airlightA之后就可以获取增强之后的图像呢?
文中已经提出了A(x)的表示方法,也就是
,
这样的话 就可以由A(x)表示出来。
另外根据去除色度的公式
就可以由A(x)表示出来了,
就是增强之后的图像。
所以现在所有的未知量都可以由A(x)来表示了,我们要构建的代价方程就是要寻找最优的A。
6、
如何构建代价方程?
Data cost + Smoothness cost
Data Cost?
基于这样的一个事实:清晰化之后的图像比雾天图像的对比度高,对比度高的图像进行边缘检测的时候就可以检测到更多的边缘。
另外还有一个重要的限制条件就是
。
Smoothness cost?
由于A只与距离d有关,那么在距离相近的领域之内的A尽可能的近似。
这样只要使代价方程值尽可能的大,在最大的时候就是A取最优值的时候。
1. 增强之后的图像也就是清晰的图像比有雾的图像对比度高。
2. Airlight的变化主要依赖于距离d,所以airlight趋于平滑。
基于该两点建立马科夫模型的代价方程。
该算法的主要步骤是:
1、
首先估计atmosphericlight也就是
。
2、
然后从 中获取light chromaticity,也就是光的色度
。
3、
依据获取的光的色度,将原图像中illumination color去除得到
。
4、
然后从 中获取data cost。
5、
然后从 中获取smoothness cost.
6、
现在可以构建马科夫模型包括datacost和smoothness cost,最优化该代价方程之后就可以得到airlight A。
7、
由A就可以获取增强之后的图像。
现在来解决下面几个问题。
1、
首先构建该雾天图像的光学模型,即Optical Model
其中:
我们获取的图像,也就是雾天图像;
是我们获取图像上的每个像素点距离真实物体的距离;
是反射系数;
是大气的衰减系数,我们可以认为它是一个常数;
是atmospheric light,我们可以认为
是全局恒定值。
2、
怎么获取 ?
的获取我们是通过在全局之内寻找灰度值最大的点,从Optical Model的公式中我们可以看出,在无穷远处也就是d为无穷大的时候,我们获取的I值就是
,而通常我们认为天空就是在无穷远处的,一般天空的灰度值就是整幅图像中灰度值最大的点。
3、
怎么获取lightchromaticity也就是
?
其中c代表的是各个颜色通道rgb。
4、
获取lightchromaticity之后就怎样获取去除light color的图像?
获取去除light color图像的方法就是在有雾图像的每个通道上除以
也就是除以每个颜色通道的色度,这样就可以获取
。
5、
为什么有了airlightA之后就可以获取增强之后的图像呢?
文中已经提出了A(x)的表示方法,也就是
,
这样的话 就可以由A(x)表示出来。
另外根据去除色度的公式
就可以由A(x)表示出来了,
就是增强之后的图像。
所以现在所有的未知量都可以由A(x)来表示了,我们要构建的代价方程就是要寻找最优的A。
6、
如何构建代价方程?
Data cost + Smoothness cost
Data Cost?
基于这样的一个事实:清晰化之后的图像比雾天图像的对比度高,对比度高的图像进行边缘检测的时候就可以检测到更多的边缘。
另外还有一个重要的限制条件就是
。
Smoothness cost?
由于A只与距离d有关,那么在距离相近的领域之内的A尽可能的近似。
这样只要使代价方程值尽可能的大,在最大的时候就是A取最优值的时候。
相关文章推荐
- 2009_ICCV_Fast Visibility Restoration from a Single Color or Gray Level Image
- CVPR 2017—Deep Joint Rain Detection and Removal from a Single Image
- Fast Visibility Restoration from a Single Color or Gray Level Image
- Could not load the "XX.jpg" image referenced from a nib in the bundle with identifier "cn.Norm"
- Beginning ASP.NET 3.5 in C# 2008 From Novice to Professional Second Edition(ASP.NET 3.5(C#2008)入门 )翻译-第十章(3)
- Could not load the "defaultimg" image referenced from a nib in the bundle with identifier "com.abc"
- 【论文笔记】Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- Single Image Haze Removal(图像去雾)-CVPR’09 Best Paper
- Beginning ASP.NET 3.5 in C# 2008 From Novice to Professional Second Edition(ASP.NET 3.5(C#2008)入门 )翻译-第十章(4)
- 打印出现:Could not load the "" image referenced from a nib in the bundle with identifier
- image asset:Could not load the "scene" image referenced from a nib in the bundle with identifier
- Could not load the "start.png" image referenced from a nib in the bundle with identifier
- Single Image Haze Removal(图像去雾)-CVPR’09 Best Paper
- ios xcode Could not load the "MyImage.png" image referenced from a nib in the bundle with identifier
- 快速去阴影--Fast Shadow Detection from a Single Image Using a Patched Convolutional Neural Network
- Could not load the "start.png" image referenced from a nib in the bundle with identifier "com.yourco
- 深度去雨--Deep Joint Rain Detection and Removal from a Single Image
- Large Pose 3D Face Reconstruction from a Single Image via Direct Volumetric CNN Regression
- Attempt to load Oracle client libraries threw BadImageFormatException. This problem will occur when running in 64 bit mode with the 32 bit Oracle client components installed.
- Semantic Scene Completion from a Single Depth Image