Single Image Haze Removal Using Dark Channel Prior
本文主要介绍了一种基于暗原色先验的单一图像去雾方法。该方法通过对户外无雾图像数据库的统计规律，发现了一个关键事实，即绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。这些暗像素能够直接用来评估雾光的透射信息，从而实现高质量的去雾图像和深度图的生成。
1. 去雾的必要性
户外景物的图像通常会因为大气中的混浊的媒介（比如分子、水滴等）而降质，雾、霭、蒸气都因大气吸收或散射造成此类现象。照相机接收到景物反射过来的光线经过了衰减。此外，得到的光线还混合有大气光（经大气分子反射的周围环境的光线）。降质的图像的对比度和颜色的保真度有所下降。因此，去雾是必要的，它不仅可以提高景象的清晰度和颜色的保真度，还可以提供图像的深度信息，帮助视觉算法和高级的图像编辑。
2. 现有的去雾方法
目前已经有许多去雾方法被提出。一些方法使用多张图像或其他更多辅助信息来去雾，例如通过从不同程度的偏振光的角度来去雾，或者通过从同一景象在不同天气情况下的照片获得更多的对比度的信息来去雾。其他方法则基于深度的方法，例如需要来自对应图片或者已知的3D 模型的大致深度信息。最近，一些基于单一图像的去雾方法也被提出，这些方法的成功往往得益于一个强有力的先验或假设。
3. 暗原色先验
暗原色先验是对户外无雾图像库的统计规律，它发现了一个关键事实，即绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素。这些暗像素能够直接用来评估雾光的透射信息，从而实现高质量的去雾图像和深度图的生成。
4. 方法实现
在本文中，我们提出了一种新的先验规律——暗原色先验，来用于单一图像去雾。我们首先通过暗原色先验来评估雾光的透射信息，然后结合一个已有的雾成像模型和插值法抠图修复，来得到高质量的去雾图像和深度图。
5. 实验结果
我们的去雾方法不仅在物理上有效，而且能够处理包括在雾浓度很大情况下的远距离物体。我们的实现结果基本没有人工的痕迹或者晕影。
6. 限制因素
我们的去雾方法也存在一些限制因素，当取景对象在较大范围内和天空接近并且没有阴影覆盖的时候，暗原色的猜想将不成立。尽管我们的去雾处理对大多数户外带雾图像都有较好成果，在一些极限情况下还是会失效。
7. 未来工作
我们相信，从不同的角度来发展这一先验，并且将其组合能使得这一工作更加完善。
