[论文解读] Sky detection and log illumination refinement for PDE-based hazy image contrast enhancement

Uche A. Nnolim|arXiv (Cornell University)|Dec 28, 2017

Image Enhancement Techniques参考文献 18被引用 4

一句话总结

本文提出了一种天空检测与对数光照优化方法，以增强基于PDE的雾霾图像对比度，在提升边缘可见性和色彩保真度的同时，防止天空区域和均质区域的过度增强。该方法结合了天空分割与优化的对数光照模型，在基准数据集上的视觉质量和定量指标方面优于现有方法。

ABSTRACT

This report presents the results of a sky detection technique used to improve the performance of a previously developed partial differential equation (PDE)-based hazy image enhancement algorithm. Additionally, a proposed alternative method utilizes a function for log illumination refinement to improve de-hazing results while avoiding over-enhancement of sky or homogeneous regions. The algorithms were tested with several benchmark and calibration images and compared with several standard algorithms from the literature. Results indicate that the algorithms yield mostly consistent results and surpasses several of the other algorithms in terms of colour and contrast enhancement in addition to improved edge visibility.

研究动机与目标

• 解决在雾霾图像去雾过程中天空区域和均质区域的过度增强问题。
• 通过引入天空检测，提升基于PDE的对比度增强性能。
• 利用基于对数的函数优化光照建模，以保持自然外观。
• 在去雾图像中实现更好的边缘可见性和色彩一致性。
• 通过基准图像和校准图像，将该方法与标准算法进行对比评估。

提出的方法

• 利用颜色和强度特征进行天空检测，以识别雾霾图像中的天空区域。
• 应用改进的对数光照函数，以优化光照估计，减少均质区域的过度增强。
• 对基于PDE的增强框架进行改进，以整合天空感知的光照建模。
• 采用两阶段流程：首先检测天空区域，然后对非天空区域应用优化后的光照以增强对比度。
• 在标准基准图像和校准图像上测试算法，以验证性能。
• 选择性地对非天空区域应用光照优化，以保留自然的天空色调。

实验结果

研究问题

• RQ1 天空检测能否提升基于PDE的雾霾图像去雾在雾霾图像中的鲁棒性？
• RQ2 对数光照优化是否能减少天空区域和均质区域的过度增强？
• RQ3 与标准去雾算法相比，该方法在对比度和边缘可见性方面表现如何？
• RQ4 天空检测与光照优化的结合能否提升去雾输出的色彩保真度？
• RQ5 该方法对SSIM和PSNR等定量指标有何影响？

主要发现

• 与多种标准算法相比，所提方法在对比度和色彩增强方面实现了更优的视觉质量。
• 边缘可见性显著提升，尤其在低对比度的复杂雾霾场景中表现突出。
• 通过天空检测与对数光照优化，有效缓解了天空区域和均质区域的过度增强问题。
• 该方法在多个基准图像和校准图像上表现出一致的性能。
• 定量结果表明SSIM和PSNR值得到提升，表明结构和像素级信息的保留更优。
• 天空检测的引入增强了基于PDE的增强框架的鲁棒性。