1. 项目概述
在计算机视觉和图像处理领域,单图像去雾技术一直是一个具有挑战性的研究方向。这项技术旨在从受雾霾影响的图像中恢复出清晰的场景内容,对于自动驾驶、遥感监测、安防监控等应用具有重要意义。传统去雾方法往往存在光晕伪影、色彩失真等问题,而本文介绍的双传输映射策略结合梯度域引导滤波的方法,为解决这些问题提供了新的思路。
我曾在多个图像处理项目中应用过各种去雾算法,发现大多数现有方法在复杂场景下表现不稳定。而本文提出的双传输图策略通过结合暗通道先验和大气光估计,能够更准确地建模雾的物理特性,特别是在处理不均匀雾浓度场景时展现出明显优势。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心原理与技术路线
2.1 大气散射模型基础
图像去雾技术的基础是大气散射模型,该模型描述了光线在雾霾环境中的传播过程。模型可以表示为:
I(x) = J(x)t(x) + A(1-t(x))
其中:
- I(x)是观测到的有雾图像
- J(x)是待恢复的无雾图像
- t(x)是传输图,表示光线到达相机的比例
- A是大气光值
这个模型表明,有雾图像由两部分组成:场景辐射的衰减部分(J(x)t(x))和环境光的散射部分(A(1-t(x)))。去雾的核心任务就是从I(x)中估计出J(x),这需要准确估计t(x)和A。
2.2 双传输映射策略
传统方法通常只估计一个传输图,而本文创新性地提出了双传输映射策略:
-
暗通道传输图:
基于暗通道先验,通过统计自然无雾图像的暗通道特性来估计初始传输图。暗通道定义为:J_dark(x) = min_{c∈{r,g,b}}(min_{y∈Ω(x)}(J^c(y)))
其中Ω(x)是以x为中心的局部区域。对于有雾图像,暗通道值与传输图直接相关。
-
大气光传输图:
通过估计大气光A来构建第二个传输图。大气光通常通过选取图像中最亮的几个像素来估计,这些像素往往对应无限远处的场景点。
双传输图的优势在于能够互补:暗通道传输图在明亮区域可能失效,而大气光传输图在这些区域表现良好;反之亦然。通过合理融合这两个传输图,可以得到更准确的最终传输估计。
2.3 梯度域引导滤波
获得初始传输图后,需要进行精细化处理以消除噪声和伪影。本文采用了梯度域引导滤波技术,相比传统引导滤波,它
