【正文】 黑暗的通道前可能是無效的對象時，本質(zhì)上是類似的場景在一個大的局部地區(qū)大氣光 ，沒有陰影投在對象上。 我們發(fā)現(xiàn)，在當?shù)卮蟛糠值貐^(qū)不包括天空，很多時候，一些像素（稱為 “暗像素 ”）具有非常低的 ，至少有一個彩色（ RGB）通道的力度。這些方法的成功就在于用一個更強有力的事前或假設。薄霧壞形象可以善加利用。由于散射量取決于距離 從相機現(xiàn)場點，其降解 為空間變體。 由于霧總是灰白色的，因此一旦圖像受到霧的影響，那么這些本來應該很暗的東西就會變得灰白。但是之前人們還沒找到簡單有效的方法來達到這個目的。 視頻方向 一般的高?；蛘哐芯克鶄?cè)重在標準的制定和修改以及技術創(chuàng)新方面，而公司則側(cè)重在編碼解碼的硬件實現(xiàn)方面。由于醫(yī)療器械的主要功能是成像，必然涉及到對圖像的處理，做圖像處理的很有機會進入這些公司。 參考文獻 [1] P. Chavez. An improved darkobject substraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 1988, 450455 [2] R. Fattal. Single image dehazing. In SIGGRAPH, 2020, 19 [3] E. B. Goldstein. Sensation and perception. 1980,4550 [4] E. Hsu, T. Mertens, S. Paris, S. Avidan, and F. Durand. Light mixture estimation for spatially varying white balance. In SIGGRAPH, 2020, 17 [5] J. Kopf, B. Neubert, B. Chen, M. Cohen, D. CohenOr, O. Deussen, M. Uyttendaele, and D. Lischinski. Deep photo: Modelbased photograph enhancement and viewing. SIGGRAPH Asia, 2020, 18 [6] H. Koschmieder. Theorie der horizontalen sichtweite. Beitr. Phys. Freien Atm., 1924, 171181 [7] A. Levin, D. Lischinski, and Y. Weiss. A closed form solution to natural image matting. CVPR, 2020, 2128 [8] S. G. Narasimhan and S. K. Nayar. Chromatic framework for vision in bad weather. CVPR, 2020, 598605 [9] S. G. Narasimhan and S. K. Nayar. Vision and the atmosphere. IJCV, 2020, 233240 [10] S. G. Narasimhan and S. K. Nayar. Contrast restoration of weather degraded images. PAMI, 2020,713724 [11] S. G. Narasimhan and S. K. Nayar. Interactive deweathering of an image using physical models. In Workshop on Color and Photometric Methods in Computer Vision, 2020,5257 [12] S. K. Nayar and S. G. Narasimhan. Vision in bad weather. ICCV, 1999, 820821 [13] A. J. Preetham, P. Shirley, and B. Smits. A practical analytic model for daylight. In SIGGRAPH, 1999, 91100 [14] Y. Y. Schechner, S. G. Narasimhan, and S. K. Nayar. Instant dehazing of images using polarization. CVPR, 2020, 325328 [15] S. Shwartz, E. Namer, and Y. Y. Schechner. Blind haze separation. CVPR, 2020, 19841991 [16] R. Tan. Visibility in bad weather from a single image. CVPR, 2020, 17 [17] M. van Herk. A fast algorithm for local minimum and maximum filters on rectangular and octagonal kernels. Pattern Recogn. Lett., 1992, 517521 畢 業(yè) 設 計 開 題 報 告 ２．開題報告：一、課題的目的與意義； 二、課題發(fā)展現(xiàn)狀和前景展望；三、課題主要內(nèi)容和要求；四、研究方法、步驟和措施 開 題 報 告 一、目的與意義 近年來，隨著計算機軟硬件技術的不斷發(fā)展，對有霧天氣圖像的景物影像進行去霧處理已經(jīng)成為可能，這反過來又對去霧圖像的清晰度和真實感提出了新的要求 。 因此，研究高效的去霧算法處理霧天視頻應該受到足夠的重視 。 從圖像處理學角度提出的增強方法和基于物理模型的復原 方法雖然均能改善霧天降質(zhì)圖像的質(zhì)量，然而這些方法都沒有考慮到降質(zhì)圖像固有的模糊屬性 。 從圖 2 的視覺效果中也可以證 實以上規(guī)律，但不難發(fā)現(xiàn)文獻［ 29］方法盡管 e 和 r 值較大，其去霧圖像的顏色卻顯得過于飽和，且有光暈偽影出現(xiàn) 。 e 和 r 值越大， σ 值越小，去霧效果越好 。 3． 圖像去霧效果的客觀評估標準 圖像去霧中有 待進一步研究的問題還很多，特別是圖像去霧效果的客觀 、 定量評價問題尚未得到很好解決 。 為了解決以上幾種方法的問題，何愷明等人最近提出了基于暗原色的單一圖像去霧技術［ 31］ 。 但以上幾種提取場景深度的方法也存在著一定的局限性，比如利用偏振光的方法只能應用于大氣散射程度較弱的薄霧，而不適于大霧天氣 。 Narasimhan 等人從多個不同角度對提取場景深度信息的方法進行了研