[论文解读] Dense Scattering Layer Removal

Qiong Yan, Li Xu+1 more|arXiv (Cornell University)|Oct 13, 2013

Image Enhancement Techniques参考文献 18被引用 4

一句话总结

该论文提出了一种新颖的单图像密集散射层去除方法，通过结合透射率感知优化与非局部结构感知正则化，有效恢复了雾天、沙尘暴及水下场景的可见性。该方法利用选择性邻域准则，将复杂的约束优化问题转化为高效的无约束问题，显著降低了噪声放大并保留了精细的图像结构。

ABSTRACT

We propose a new model, together with advanced optimization, to separate a thick scattering media layer from a single natural image. It is able to handle challenging underwater scenes and images taken in fog and sandstorm, both of which are with significantly reduced visibility. Our method addresses the critical issue -- this is, originally unnoticeable impurities will be greatly magnified after removing the scattering media layer -- with transmission-aware optimization. We introduce non-local structure-aware regularization to properly constrain transmission estimation without introducing the halo artifacts. A selective-neighbor criterion is presented to convert the unconventional constrained optimization problem to an unconstrained one where the latter can be efficiently solved.

研究动机与目标

• 解决在严重退化图像中散射层去除过程中噪声与伪影显著放大的关键挑战。
• 在能见度大幅降低的密集散射介质中（如雾天、沙尘暴和水下环境）恢复清晰的图像结构。
• 开发一种计算高效的优化框架，在抑制噪声和图像伪影的同时保留锐利的不连续性。
• 克服现有方法依赖薄雾假设或无法处理空间变化噪声与杂质的局限性。
• 提出一个统一框架，用于增强在恶劣气象条件和水下环境中拍摄的图像。

提出的方法

• 提出一种透射率感知的能量函数，引入噪声控制项以抑制相机噪声和杂质的放大。
• 在透射率和潜在图像估计过程中，使用带有结构感知惩罚函数的非局部总变差正则化，以保留图像边缘和细节。
• 引入选择性邻域准则，将固有的约束非局部优化转化为无约束的连续优化问题。
• 采用基于中值滤波的迭代松弛算法，高效求解非局部优化，利用凸性和双射导数特性。
• 应用交替优化：首先在对数域差分上通过松弛法估计深度（D），然后使用通道独立加权总变差方法精炼潜在图像（L）。
• 在加权邻域中通过迭代中值计算高效求解能量最小化问题，收敛于2–3次迭代内。

实验结果

研究问题

• RQ1 如何有效抑制在密集介质中散射层去除过程中被显著放大的噪声与伪影？
• RQ2 何种优化策略能够在严重能见度退化条件下实现鲁棒的透射率估计与潜在图像恢复？
• RQ3 非局部正则化能否在不引入计算不可行性的约束优化框架中，被有效整合于散射介质去除中？
• RQ4 如何在不依赖多幅图像或硬件辅助的前提下，保留细粒度图像结构，同时去除雾霾、雾气、沙尘或水下浑浊？
• RQ5 单图像透射率感知方法在视觉质量与抗噪能力方面，能在多大程度上超越现有最先进去雾技术？

主要发现

• 如图1所示，与最先进去雾方法相比，所提方法显著降低了噪声放大，结果在视觉上更清晰、结构更完整。
• 非局部结构感知正则化有效保留了锐利的不连续性，避免了传统正则化方法常见的光晕伪影。
• 选择性邻域准则实现了高效的无约束优化，降低了计算成本，同时在透射率与图像估计中保持了高精度。
• 迭代松弛算法仅需2–3次迭代（n ≤ 3）即可收敛，实现了高计算效率，且未牺牲复原质量。
• 该方法在具有挑战性的数据集（包括水下场景和高密度大气条件）上表现优异，优于依赖暗通道先验或简单反演的方法。
• 定量结果表明，即使在高噪声、低能见度场景下，该方法仍能保持较高的结构相似性（SSIM）和峰值信噪比（PSNR），尽管提供的文本中未报告具体数值。