介紹

為因應在天氣狀況不佳，我們所針對的是當霧氣濃厚或空氣品質不佳或霧霾時所拍攝出模糊成像的圖片，試圖以單圖像去霧(Single Image Haze Remoival)的方式來達到還原最接近其圖像原本清晰程度的圖片檔。

暗通到先驗算法(Dark Channel Prior)在訓練時蒐集了許多晴朗天氣下的圖像( haze-free outdoor images)，且其不用與霧干擾處同處一地點，並統合整理出來自airlight，在rgb光譜的至少一個顏色中強度低的暗像素(dark pixels)。藉由運用暗像素可直接獲得霧度透射率(haze's transmission)準確估計值的特性恢復質量高的無霧生成圖。而為了避免在圖像中產生約束不足(under-constrained)的問題，作者也在算法中加入了對於邊界的約束研究，以增強其邊緣細節的表現品質。

模型原理:

線性霧霾圖像差值模型( linear interpolation model)

是一個廣泛應用於除霧的運算式，其中I(x)為觀察到的圖像的獲取亮度(為已知值)、J(x)是欲求恢復後的像速(scene radiance)，A為地球大氣光成分，t(x)則是場景透射率(transmission from scene to camera)。在令一霧度為平均的情況下又可得到一公式其β為中等消光係數(medium extinction coefficient)，d(x)為場景深度(scene depth)，在結合兩者等式後，我們能藉由下述公式來獲得欲求的未知數J(x)

其中ϵ 是一個小常數（通常為 0.0001）用以避免分母為零的情況， 而δ則為處理第二式β消光係數以微調除霧效果的變數。

實作

(a)測試資料集

我們運用參考資料中BeDDE資料集內部的圖片來測試所使用的model實際成效與展示。

(b)模型訓練方法

此算法可以分為四個階段，Airlight估計(Airlight estimation)、邊界約束計算(Calculating boundary constraints)、估計與細化傳輸(Estimate and refine Transmission)以及實際執行Dehazing(Perform Dehazing using the estimated Airlight and Transmission)

(c)成果展示與結論:

在天氣不好的情況下拍攝照片，會讓照片無法被肉眼清晰地分辨出來，利用除霧
技術(defog)，讓近物圖被雲霧遮擋部分能還原且使細節清晰化。從實驗結果中，可以發現當建築物被薄霧遮擋部分，能透過除霧技術使建築物的細節被還原，但當建築物被較厚雲霧遮擋時，無法正確地還原在雲霧下的物體。

(a)	(b)

圖(a)紅色圈圈處，電纜線被雲霧遮擋使得不好分辨，圖(b)紅色圈圈處經過除雲霧後，能看見電纜線被強化，始能用肉眼分辨。

(c)	(d)

圖(c)紅色圈圈中，建築物被雲霧遮蓋住，較難以肉眼觀察，咖啡色圈圈中，建築物的屋頂輪廓不清晰；圖(d)紅色圈圈中除霧後，加強雲霧後的建築物，此外還加強電線杆的電線，咖啡色圈圈中除霧後，建築物的屋頂輪廓能清楚辨識。

(e)	(f)

圖(e)紅色圈圈中，建築物被較厚雲霧遮蓋住，咖啡色圈圈中，建築物被較薄雲霧遮蓋住；圖(f)紅色圈圈中除霧後，發現被較厚雲霧遮蓋的地方無法順利地還原，咖啡色圈圈中除霧後，能清楚看見被薄雲遮蓋的部分。