雾霾退化图像快速去雾算法：基于能量泛函与Bregman迭代

本文主要探讨了一种基于能量泛函的快速去雾算法，用于解决雾霾退化图像的场景辐照图恢复问题。该算法针对雾霾天气下低能见度对图像质量和计算机视觉任务的影响，着重研究如何提高算法的鲁棒性和运算效率。 首先，算法利用大气退化模型来估计降质图像中的大气光，这是一个关键步骤，因为它直接影响到图像的复原质量。与传统的固定模式求解方法相比，该算法能够更准确地分析图像，特别是当图像包含天空区域时，其处理能力更为优越。 接下来，通过白平衡运算，作者简化了求解模型，引入了新的环境光项表达式，这有助于减少计算复杂性，提高算法的执行速度。然后，利用暗通道先验信息，对暗通道图像进行估计，这一步是基于暗通道在图像中相对稳定的特性，有助于提取关键信息。 进一步，构建了暗通道图像与环境光项之间的能量泛函模型，结合L1和L2范数变换模型，这种混合范数可以同时考虑稀疏性和平滑性的平衡，提高了模型的灵活性。最后，借助切分Bregman迭代算法，这是一个有效的优化求解工具，通过迭代求解环境光，确保了结果的精度和收敛性。 整个过程结束后，将求得的环境光项代入简化模型中，实现图像的最终复原。实验结果显示，该算法在雾霾退化图像恢复方面表现出色，不仅复原效果优良，而且在运算效率上优于传统的去雾算法，这对于在实际应用中，如监控、跟踪和导航等对实时性要求高的场景尤其重要。 总结来说，这篇论文的核心贡献在于提出了一种新颖的基于能量泛函的去雾算法，它结合了大气退化模型、白平衡、暗通道先验和优化求解技术，有效解决了雾霾天气下图像复原的问题，具有较高的实用价值和理论意义。