Fast Single Image Defogging With Robust Sky Detection（翻译）

本内容为《Fast Single Image Defogging With Robust Sky Detection》的翻译版本，在机器翻译的基础上进行了适当润色，以提升语言表达的流畅性与自然度。

1. 摘要

雾霾作为户外环境下的计算机视觉应用所面临的挑战，往往源于复杂的大气条件。暗通道先验（DCP）算法在图像去雾任务中表现出了良好的效果，但其仍存在三个主要问题：1）计算耗时较长；2）容易引入伪影；3）天空区域的恢复结果出现过饱和现象。因此，当前的研究目标是，在不牺牲图像恢复质量的前提下，提升处理效率，并有效避免去雾过程中产生的图像伪影。为此，本研究提出了一种融合DCP、局部Shannon熵以及快速导引滤波器的深度近似方法，旨在降低伪影的出现概率并加快天空区域的图像恢复速度。在此基础上，进一步构建了基于DCP、局部Shannon熵和快速导引滤波器的深度近似方案。通过选取来自三个不同数据集的500余张图像进行性能测试：包括真实单幅图像去模糊混合主观测试集（HSTS-RESIDE）、RESIDE合成客观测试集（SOTS-RESIDE）以及HazeRD数据集。实验结果显示，在多种光照强度和对比度环境下，采用峰值信噪比（PSNR）、自然度图像质量评价（NIQE）以及结构相似度（SSIM）等指标对恢复后的图像进行定性和定量分析后表明，该方法的表现优于现有文献中所报道的相关技术。