[论文解读] Nighttime Haze Removal with Illumination Correction

Jing Zhang, Yang Cao+1 more|arXiv (Cornell University)|Jun 5, 2016

Image Enhancement Techniques参考文献 22被引用 8

一句话总结

本文提出了一种新颖的夜间雾霾去除算法，通过在三步流程中结合光照补偿、色彩校正和基于暗通道先验的去雾方法，解决了非均匀光照和大气散射问题。该方法在真实和合成的夜间雾霾图像上实现了平衡的光照、准确的色彩还原以及高效的雾霾去除，且计算成本较低。

ABSTRACT

Haze removal is important for computational photography and computer vision applications. However, most of the existing methods for dehazing are designed for daytime images, and cannot always work well in the nighttime. Different from the imaging conditions in the daytime, images captured in nighttime haze condition may suffer from non-uniform illumination due to artificial light sources, which exhibit low brightness/contrast and color distortion. In this paper, we present a new nighttime hazy imaging model that takes into account both the non-uniform illumination from artificial light sources and the scattering and attenuation effects of haze. Accordingly, we propose an efficient dehazing algorithm for nighttime hazy images. The proposed algorithm includes three sequential steps. i) It enhances the overall brightness by performing a gamma correction step after estimating the illumination from the original image. ii) Then it achieves a color-balance result by performing a color correction step after estimating the color characteristics of the incident light. iii) Finally, it remove the haze effect by applying the dark channel prior and estimating the point-wise environmental light based on the previous illumination-balance result. Experimental results show that the proposed algorithm can achieve illumination-balance and haze-free results with good color rendition ability.

研究动机与目标

• 解决现有去雾方法在夜间雾霾图像上失效的问题，原因在于人工光源引起的非均匀光照。
• 开发一种新的成像模型，同时考虑人工光源引起的非均匀光照与大气雾霾效应。
• 在有效去除雾霾的同时，实现光照平衡与准确的色彩还原，适用于夜间场景。
• 提供一种计算效率高的单幅图像夜间去雾解决方案，优于现有的方法如暗通道先验和直方图均衡化。

提出的方法

• 从输入图像中估计光照，并应用伽马校正以提升整体亮度。
• 估计入射光的色彩特性，并执行色彩校正以实现色彩平衡。
• 基于光照平衡结果，采用点对点环境光估计方法，应用暗通道先验进行去雾。
• 采用基于引导滤波的方法，在去雾过程中保留局部对比度并减少噪声。
• 对光照和透射率采用分段平滑性假设，以准确建模局部变化。
• 按顺序在三个阶段处理图像：光照补偿、色彩校正和去雾，以确保稳定性和准确性。

实验结果

研究问题

• RQ1 如何有效建模并校正夜间场景中由人工光源引起的非均匀光照？
• RQ2 当直接应用于具有复杂光照的夜间雾霾图像时，暗通道先验在多大程度上会失效？
• RQ3 结合光照补偿、色彩校正和去雾的三阶段流程，是否能提升夜间图像的视觉质量与色彩保真度？
• RQ4 在色彩准确性和细节保留方面，所提方法与直方图均衡化及现有最先进方法相比表现如何？

主要发现

• 与直接应用暗通道先验相比，所提方法在光照平衡和去雾效果方面均有显著提升，后者在夜间图像上表现失败。
• 基于估计的入射光特性进行色彩校正，相比依赖目标图像的方法，能实现更自然、更准确的色彩还原。
• 三步顺序处理方法有效减少了直方图均衡化中常见的过曝伪影，尤其在光源等明亮区域表现更优。
• 该方法优于现有技术如[12]，后者需要目标白天图像进行色彩迁移，可能导致场景特定色彩失真。
• 在真实和合成的夜间雾霾图像上的实验结果表明，该方法能有效保留细节，并生成视觉上令人满意的无雾输出。
• 该算法在保持低计算成本的同时实现高质量结果，适用于实时或实际部署。