Please enable JavaScript.
Coggle requires JavaScript to display documents.
O-HAZE: a dehazing benchmark with real hazy and haze-free outdoor images -…
O-HAZE: a dehazing benchmark with real hazy and haze-free outdoor images
相关工作
图像去雾技术：（1）早期方法是建立在不同大气条件下获得的多幅图像基础上；（2）Cozman等人通过采用有助于
图像深度估计
的侧面大气线索来恢复模糊场景的可见性；（3）其他方法依靠几何模型的配准来获取图像深度；（4）
硬件解决
方案，使用偏振滤光片捕获具有不同偏振度（DOP）的同一场景的多个图像并比较它们以估计雾度属性；（5）Fattal等人考虑
传输函数和表面着色
，其中所得到的着色和传输函数在
局部统计上是不相关的
；（6）Tan等人考虑图像中
最亮的值来估计大气空气光
，并基于无雾图像比有雾图像具有
更高对比度的假设
，直接搜索以最大化输出的对比度；（7）[41] 也采用对比度最大化方法，但计算复杂度较低；（8）[6] 提出使用色调通道分析和图像的半逆来识别模糊区域的每像素；（9）[20] 中引入暗通道先验法来估计透射率；（10）Meng等人扩展暗通道先验法，通过调整边界周围的透射来减轻其分辨率的不足；（11）zhu等人通过考虑颜色衰减先验来扩展，假设深度可以根据像素饱和度和强度来估计；（12）吉布森等人采用中值滤波器来避免去雾图像中的光晕伪影；（13）DehazeNet以模糊图像作为输入，并输出其介质透射图，随后使用该介质透射图通过大气散射模型恢复无模糊图像；（14）Ren等人提出一种由粗到细的网络，该网络由级联的CNN层组成，也使用合成的模糊图像进行训练。
去雾评估：大多数去雾质量指标仅限于非参考图像质量指标（NRIQA）
讨论与问题
（3）Fattal使用的颜色线也导致颜色偏移；
（4）Berman等人不会出现颜色伪影，并且会导致图像具有尖锐边缘，主要是由于其
局部估计空气光和透射的策略
；
（2）Meng等人也使用暗通道先验，使用更准确的传输估计，改善了He等人的结果；
（5）由于多尺度融合和局部空气光估计，Ancuti等人处理颜色与其他方法不同，
导致更高的对比度和更强烈的颜色
，但稍微向黄色/红色偏移；
（1）He等人恢复了图像结构，但
较差的空气光估计
在模糊区域中导致
颜色偏移
，并且
在较亮/较白的区域
中失真更明显；
共有问题：所有方法都导致结构失真和颜色偏移，例如
靠近边缘的光晕伪影
，特别是在远离相机的区域中；以及颜色失真会在视觉上造成去雾图像的一些不自然的外观；
质量评估：SSIM、PSNR和CIEDE值
去雾技术
（3）Fattal依赖于
观察到小的自然图像块中的像素分布在RGB颜色空间中表现出一维结构
，称为colorlines。第一传输估计是从检测到的颜色线偏移到原点计算的，而精细传输是由负责过滤噪声并去除由散射引起的其他伪影的马尔可夫随机场模型生成的；
（4）Cai等人采用端到端的CNN深度模型，特征提取，多尺度映射，局部极值，最后非线性回归；
（2）Meng等人利用暗通道先验的优势，应用
边界约束DCP产生的传输估计
，将
边界约束与加权L1范数正则化相结合
。该方法
缓解了DCP传输图分辨率的不足
，
降低了锐边周围的光晕伪影水平
，还可以
更好地处理明亮天空区域的外观
；
（5）Ancuti等人介绍一种新的用于局部空气光估计方法，利用多尺度融合策略来融合从局部概念的不同定义获得的多个版本；
（1）He等人引入了
暗通道先验（DCP）
，一种统计观测方法，用来
产生传输图的第一估计
。DCP
受到暗物体的影响
，并使用关键观察，即大多数局部区域（天空或朦胧区域除外）包含在至少一个颜色通道中呈现低强度的像素。为了
减少伪影
，
基于alpha抠图策略
[20]或
引导滤波器
[21]进一步细化传输估计；
（6）Berman等人利用颜色一致性观察，认为无雾图像中的颜色分布可以很好地近似于RGB颜色空间中的离散聚类集。一般给定集群中的像素是非局部的，并且分布在整个图像平面上，但
当受到雾的影响，每个簇变成模糊图像中的线
，并且
线内的像素的位置反映其透射水平
。即雾线传达关于图像的不同区域中的透射的信息，并且用于估计透射图；
（7）Ren等人采用一种多
尺度CNN
，
直接从模糊图像中估计透射图
。透射图首先由粗尺度网络计算，然后由细尺度网络细化。训练使用从无雾图像获得的合成生成的
模糊图像
并且使用其
相关联的深度图
来应用简化的光传播模型来执行；
标题：O-HAZE：真实有雾和无雾的户外图像的去雾基准
摘要：被本文引入了第一个室外场景数据库（名为 O-HAZE），由成对的真实有雾图像和相应的无雾图像组成，OHAZE 包含 45 个不同的室外场景，描绘了在无雾和有雾条件下在相同照明参数下记录的相同视觉内容。
引言：雾霾是一种由漂浮的小颗粒产生的大气现象，这些颗粒会吸收和散射来自其传播方向的光。雾霾会导致远处物体的对比度损失、光谱的选择性衰减以及额外的噪声。