Single image haze removal using dark channel prior

除霧流程 ● 除霧方法 何愷明等人的”Single image haze removal using dark channel prior. ” (1)、投影片(2) Input Image Find Dark Channel Estimate AL Estimate Transmission Soft matting Input Image Transmission Ouput Image Dehaze Ouput Image

Find Dark Channel 找Dark Channel需要兩個步驟： 第一步 在每個Input(X)像素中的RGB�中，取出最小的� (R、G 、B)作為 First Dark Channel Patch = 1 第二步 在同一範圍(Patch)裡取出最小的�，作為 final Dark Channel即為我們所要的Dark Channel (P. S. 因此Patch=1時，就是First Dark Channel) Patch = 10

Estimate Transmission 為使Dark Channel 看起來更加地自然且方便計算，我們重新 計算我們的Dark Channel，轉為Transmission，過程如下： 1. 取出AL (Air Light)的RGB中最小的� (R、G、B)， 定為AL_1 2. 定義權重weight為 0. 95 3. 對於Dark Channel的每個�作下列公式： T(x) = ( 1 - weight * D(x) / AL_1 ) * 255 以Patch=1為例

Soft matting(1) ● 何愷明等人的 ”Single image haze removal using dark channel prior. ” (1)中所用的matting Laplacian可以得到最佳解，但速度不佳 ● "Real-time dehazing for image and video. "(3)裡有提到使用Cross-bilateral filter可以提升速 度，但無法仍然無法達到即時。 (P. S. 筆電約要十到二十分鐘，不精準數據，參考就好) Intel® Core™ i 5 2410 M 2. 3 GHz NVIDIA® Ge. Force® GT 540 M with 1 GB DDR 3 VRAM 8 G RAM ● 因此我們最後採用 "Real-time O (1) bilateral filtering. "(4)去改善Cross-bilateral filter的速度

Soft matting(2)--CB filter 取自(3)

Soft matting(3)--CB filter Cross-bilateral filter： O(1) bilateral filter： k是Transmission整張圖最大(max) 跟最小� (min) 內插的�： k = min + (max - min) / range ，其中range自訂，我們設 9 ( range 越大越準越慢 O(1) ) 以Patch=1為例

參考資料 1) He, Kaiming, Jian Sun, and Xiaoou Tang. "Single image haze removal using dark channel prior. " Pattern Analysis and Machine Intelligence, IEEE Transactions on 33. 12 (2011): 2341 -2353. 2) He’s ppt : http: //research. microsoft. com/en-us/um/people/kahe/cvpr 09 slides. pdf 3) Lv, Xingyong, Wenbin Chen, and I-fan Shen. "Real-time dehazing for image and video. " Computer Graphics and Applications (PG), 2010 18 th Pacific Conference on. IEEE, 2010. 4) Yang, Qingxiong, Kar-Han Tan, and Narendra Ahuja. "Real-time O (1) bilateral filtering. " Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009.