1.2 本章算法

1.2.1 特征提取層

根據霧圖的成像原理，研究人員通常使用大氣散射模型來模擬霧圖的成像過程[17]，因此該模型也是圖像去霧的重要依據[18]。大氣散射模型的表達式為：

式中， J（x）表示成像設備獲取的有霧圖像；I（x）表示去霧之后的圖像；A表示大氣光值；t（x）表示傳輸圖。為了更加清晰地表示去霧過程，可將式（1-1）進一步表示為：

從式（1-2）中可以看出，在得到大氣光值A和傳輸圖t（x）兩個先驗知識的基礎上即可進行圖像去霧。因此，去霧算法的核心任務就是估計得到大氣光值A和傳輸圖t（x）。在一些基于深度學習的去霧算法中，首先用CNN估計傳輸圖t（x），再用傳統的方法估計大氣光值A。這類算法的去霧性能較好，但不是真正意義上的端到端圖像去霧算法。本章則利用 UNet 這一通用網絡來直接估計傳輸圖t（x）、大氣光值A和無霧圖像I （x），目的是實現一種直接學習、輸入自適應去霧模型。