提高偏振去雾精度：大气光层析与雾天图像重构

本文主要探讨了一种创新的图像处理技术——基于大气光偏振层析的雾天图像重构方法。在面对雾天图像时，由于大气散射的影响，传统的去雾算法可能无法准确估计大气光，从而影响图像质量。作者针对这一问题，提出了一个针对偏振信息的解决方案。 首先，研究者在偏振空间中引入了大气光梯度的先验知识，将其作为约束条件对原始的雾天偏振图像进行分层处理。通过这种方式，他们能够更精确地估计出大气光偏振图像，因为大气光梯度的变化反映了大气散射特性。这种方法利用了偏振信息的特性，即不同介质对偏振光的散射特性不同，以此来区分雾气和其他光学现象。 接着，作者从大气光偏振图像中解析出大气光，实现了对大气光的偏振层析分析。偏振层析是一种基于偏振光传播过程中相位变化的技术，它可以帮助分离出大气光与物体表面反射光的区别，进一步提高去雾效果。 最后，该方法结合提出的雾天图像偏振重构模型，不仅考虑了大气光的估计，还估计了无穷远处的大气光，这一步骤有助于消除雾气对图像的整体影响，实现对雾天图像的高效去雾重构。实验结果显示，这种方法显著提高了大气光的估计精度，重构后的图像更加清晰，目标还原度得到显著提升，而且适用于不同浓度的雾天环境，具有良好的通用性和实用性。 本文的贡献在于提供了一种有效的方法来增强雾天图像处理的准确性，通过结合偏振信息和大气光层析技术，改善了去雾效果，这对于许多依赖于高质量视觉信息的应用领域，如自动驾驶、无人机监控和遥感等，具有重要的实际价值。