在真实的雾霾条件下,捕获的图像不仅受到雾霾的影响,还会受到噪声的影响,大大降低了图像的可见度。然而,现有的除霾方法大多侧重于雾霾的降解,没有考虑噪声干扰。
为了解决上述问题,熊海玲和刘云领导的研究小组于2024年2月15日在《计算机科学前沿》上发表了他们的新研究。
该团队提出了一种由多个有效约束组成的统一变分模型,该模型可以同时获得无雾图像、透射图和噪声图。该模型能够同时实现雾霾去除和噪声抑制。与已有的研究结果相比,该算法在抑制隐藏噪声的同时保证了可见性。
在研究中,他们精心设计了一种新的变分模型,该模型由全变分正则化项、高斯全变分正则化项和L2范数正则化项组成,分别约束场景亮度、透射图和总体噪声图。
采用再加权优化策略,求解变分模型,得到无雾图像。与以往的去雾方法相比,本文提出的统一变分模型能够在抑制噪声放大的同时实现去雾。
实验是在真实世界的朦胧图像上进行的。大量实验数据表明,所提出的统一变分模型能够取得较好的除雾效果,显著提高了真实雾霾图像的质量和可见度。此外,所提出的模型也显示出抑制噪声的能力。
在未来的工作中,研究人员计划探索能够自适应调整参数或自动学习模型参数的参数自适应统一模型或网络,从而增强模型的鲁棒性。
更多信息:李川等,基于改进物理模型和高斯总变分的真实朦胧图像的能见度恢复,计算机科学前沿(2024)。DOI: 10.1007/s11704-023-3394-0引用本文:通过改进的物理模型和高斯总变差恢复真实世界朦胧图像的能见度(2024年3月6日)检索自https://techxplore.com/news/2024-03-visibility-real-world-hazy-images.html。除为私人学习或研究目的而进行的任何公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。