单幅图像去雾新算法：曝光融合的应用

本文介绍了在单幅图像去雾中应用曝光融合技术的一种新方法，通过利用暗原色先验知识估计大气光亮度，并基于雾天图像的成像物理模型进行亚采样，生成虚拟无雾图像备选序列。最终，通过像素曝光评价指标和多分辨率图像融合，从备选序列中提取出清晰的无雾图像。实验结果证明该算法在保持图像清晰度的同时具有良好的实时性。 在图像处理领域，去雾技术是解决因大气散射导致的图像质量下降问题的关键。本文针对雾天拍摄的图像，提出了一种基于曝光融合的单幅图像去雾算法。首先，算法利用暗原色先验知识，这是指在图像中，受雾影响最小的区域通常对应于最暗的颜色，因此可以通过分析图像的暗部来估计大气光亮度。这一步骤对于准确恢复图像的原始色彩和对比度至关重要。 接下来，算法根据雾天图像的物理模型，即大气散射模型，对每个像素的景深进行亚采样。这一过程可以提高估计的精度，生成一系列可能的无雾图像版本，形成一个备选序列。亚采样可以减少计算复杂性，同时确保在不同深度层上都能得到无雾效果。 最后，算法引入了曝光融合的概念，这是一种将多幅曝光不同的图像融合成一幅高质量图像的技术。在这里，曝光融合被用于选择最佳的无雾图像。通过定义像素曝光评价指标，算法可以在备选图像序列中识别出能提供最佳清晰度和细节的图像。多分辨率融合策略则确保了在不同尺度上的信息都能被有效利用，从而获得更高质量的去雾图像。 实验结果表明，所提出的曝光融合方法在去除雾气的同时，能够保持图像的清晰度，而且算法的执行速度较快，具备实时处理的能力。这对于实时监控、自动驾驶等需要即时处理图像的应用场景尤其重要。此外，该方法的适用性不仅限于雾天图像，还可以推广到其他类型的图像降质问题，如霾、烟尘等。 该论文的贡献在于提出了一种新的、结合暗原色先验和曝光融合的单幅图像去雾算法，它在保留图像细节和提高图像质量方面表现出色，为图像处理领域提供了新的解决方案。该方法有望在未来应用于更多的实际场景，提升图像处理系统的性能。