Single image dehazing论文阅读

1. 论文的研究目标与实际意义

1.1 研究目标

论文旨在解决单幅图像去雾（Single Image Dehazing）中的大气光-反射率模糊性（Airlight-Albedo Ambiguity）问题。传统方法依赖多图像输入、用户交互或强假设（如均匀雾浓度），而本文提出一种被动式去雾框架，仅需单幅图像即可恢复无雾场景。核心创新点在于：

1. 提出包含表面反射率（Albedo）和阴影（Shading）的改进版大气散射模型；
2. 利用局部统计不相关性（Local Statistical Uncorrelation）约束传输函数与表面反射率，消除解空间的模糊性。

1.2 实际问题与产业意义

雾霾导致图像对比度下降，影响遥感、自动驾驶等应用。例如，图1展示了去雾后图像在场景深度估计和对比度恢复上的显著提升：

应用价值：

• 消费摄影：提升恶劣天气下的拍摄质量；
• 卫星遥感：增强雾霾地区地物识别能力；
• 自动驾驶：提高雾天环境下的目标检测可靠性。

2. 论文的创新方法、模型与公式

2.1 改进的大气散射模型

传统模型（公式1）仅考虑传输函数$t(x)$和大气光$A$，而本文引入表面反射率$\rho (x)$与阴影$s(x)$，将图像分解为：
$$I(x)=t(x)\rho (x)s(x)+(1-t(x))$$