基于SKNet的增強型Pix2pixHD圖像去霧方法

段雅童，許光宇

(安徽理工大學 計算機科學與工程學院，安徽 淮南 232001)

在惡劣的天氣條件下，大氣中存在的懸浮顆粒物會吸收和散射太陽光，使戶外拍攝的照片失去對比度和色彩保真度，降低了場景的真實性，對高級計算機視覺任務產生了極大的不利影響。因此，圖像去霧具有重要的現實意義。目前，圖像去霧算法可分為3類，即基于圖像增強的去霧算法、基于圖像復原的去霧算法和基于深度學習的去霧算法。

基于圖像增強的去霧算法是通過增強圖像對比度和強化圖像信息來獲得干凈圖片，其典型的算法有基于Retinex理論的復原法[1]、直方圖均衡化法[2]和小波變換法[3]等。但由于該類算法并未考慮圖像有霧，恢復后的圖像易缺失部分細節信息。

基于圖像復原的去霧算法依賴大氣物理散射模型和先驗知識恢復清晰的圖片，其經典算法有基于暗通道先驗(Dark Channel Prior，DCP)的圖像去霧算法和基于顏色衰減先驗(Color Attenuation Prior，CAP)的圖像去霧算法[4-5]。DCP算法認為，大多數非天空區域內至少有1個顏色通道的像素強度接近于0，并以此來估計傳輸圖，但其估計霧濃度偏高，且對于含有大量天空區域的有霧圖像的去霧效果不理想。CAP算法利用亮度和飽和度之間的差異來估計霧的濃度，霧濃度越大，差異越大，并由此推算出透射率值，再利用大氣散射模型實現對有霧圖像的去霧處理。

基于深度學習的去霧算法可分為非端到端的去霧算法和端到端的去霧算法。非端到端的去霧算法首先利用卷積神經網絡估計大氣光值和透射率值，然后依賴大氣散射模型恢復清晰圖像[6]。……