（附件含源代码）

主要目标：1、去雾是个什么问题？ 2、有哪些算法？好不好？快不快？
1. 侧重去雾模型；
2. 侧重于实时性；
3. 面向具体问题：无人驾驶车、路牌识别。

内容
1. 问题引出
2. 物理建模
3. 研究意义与现状
研究意义
方法分类
国内现状
4. 典型去雾算法
Dark Channel Prior（DCP）去雾算法
DCP 改进算法
基于半求反的检测去雾算法（Semi-Inverse）
5. 总结与建议

问题引出：
雨、雾、雪等自然现象很容易导致户外图像降质；
普通的图像增强算法不能有效的处理这些降质图像。
通过对大气传输模型的研究，Narasimhan 等提出了目前通
用的去雾物理模型，去雾效果大大提升。

方法分类
多幅图像去雾
1. 同一场景点不同偏振光条件下多幅图像——Yoav Y.
Schechner CVPR 2001
2. 同一场景不同季节的图像——Srinivasa G. Narasimhan
PAMI 2003；
3. 已知深度(卫星提供或者已知三维模型）——Kpof Siggraph
Asia 2008
4. 红外和可见光两幅图像融合——Lex Schaul ICIP 2009
单幅图像去雾
1. 极大化局部对比度(梯度和)——Tan CVPR 2008;
2. ICA——Fattal Siggraph 2008
3. Dark Channel Prior（）——He CVPR 2009；
4. MDCP——Kristofor OCEANS 2010
5. Semi Inverse——Kristofor Gibson Siggraph Asia 2010

总结
介绍了经典的去雾模型和求解思路；
重点讲述了何博士的DCP 算法去雾算法（效果较为理想，速度慢)；
简单介绍了两种基于DCP 改进的MDCP 和Semi Inverse算法（满足实时要求）。

 

相关PPT下载详见 “视觉计算研究论坛”「SIGVC BBS」：http://www.sigvc.org/bbs/thread-32-1-2.html

转载本文请联系原作者获取授权，同时请注明本文来自吴怀宇科学网博客。
链接地址：https://wap.sciencenet.cn/blog-4099-638552.html

上一篇：[CV研究探讨] 计算机科学各方向最佳论文(since 1996)
下一篇：[CV论文读讲] ICCV11－Face Recognition Based on Non-Corresp