计算机视觉在恶劣天气下的挑战：ICCV 1999论文概述

在1999年的ICCV（国际计算机视觉大会）上，哥伦比亚大学的Shree Nayar和Srinivasa Narasimhan发表了一篇名为《Vision in Bad Weather》的论文，探讨了计算机视觉在恶劣天气条件下的挑战。该研究主要关注的是如何处理如雨、浓雾、午间雾霾等不同类型的天气现象对视觉感知的影响，以及这些天气条件下粒子尺寸与光学特性对图像质量的影响。 论文首先讨论了天气条件下的粒子类型和尺度，包括空气中的霾、雾、云、雨以及雪等，这些都涉及到不同的粒子大小范围，如水滴的直径从几微米到几百微米不等。这些粒子的散射机制是关键问题，分为单散射和多散射，后者包括第一、第二和第三阶散射。其中，Mie理论（由Mie于1908年提出）在解释小粒子对光的散射行为方面尤为重要。大气光学部分则概述了关于这些天气现象的经典文献，比如Hulburt关于霾的研究，以及Koshmeider、George和Myers关于雾的研究等。 文章的核心内容是介绍用于模拟和理解恶劣天气下光传播的衰减模型，即麦卡特尼模型（McCartney, 1975），它考虑了光通过不同媒介（如薄层或颗粒介质）时的散射和吸收过程。这个模型涉及总散射光通量的计算，其中包含了散射强度与粒子大小、媒介性质和入射光波长的关系。单位交叉截面积的散射率是评估散射效应的关键参数。 此外，论文还提及了视觉心理学和计算机视觉领域对视觉在坏天气下处理的研究，比如Koenderink和Richards（1992）的工作以及Cozman和Krotkov（1997）的贡献，他们探讨了如何利用这些理论来设计适应复杂环境条件的视觉系统，例如增强现实应用或者自动驾驶车辆的感知能力。 "bad_weather_iccv_1999.ppt"这份PPT展示了当时在计算机视觉领域的前沿研究，着重分析了恶劣天气下图像获取和处理的复杂性，以及科学家们如何运用光学原理和技术来克服这些挑战。这对于理解和应用现代计算机视觉系统在实际环境中的鲁棒性具有重要意义。