基于暗通道先验的雾天图像清晰化方法研究的中期报告.docx

基于暗通道先验的雾天图像清晰化方法研究的中期报告
一、研究背景
在自动驾驶、特种作业和城市规划等领域中，对于图像清晰化的需求越来越高。雾天图像拍摄时，存在大量的散射光造成场景深度信息的丢失，导致图像变得模糊且对比度低。因此，雾天图像清晰化成为了研究热点，也是提升图像质量和场景理解鲁棒性的关键一步。
二、研究目的
本研究旨在开发一种基于暗通道先验的雾天图像清晰化方法，通过对于纹理和对比度进行增强，使得清晰化后的图像更符合人类视觉感知。通过该方法，减少雾天图像在场景理解和自主决策当中的误判和错判的风险，提升自动驾驶和特种作业的安全性和准确性。
三、研究方法
1.暗通道预测：雾天图像的颜色在全局范围内具有极高的相似性，使用暗通道预测方法来估计整张图像的大气光强度和深度图。
2.大气光估计：利用暗通道预测推算得到的大气光强度，来削弱散射光造成的影响。
3.消融模型：采用消融模型对雾天图像清晰化进行辅助，进而生成优质的清晰化图像。
4.图像增强：为了使清晰化后的图像更加符合人类的主观视觉感受，在消融模型的基础上，对于图像的对比度和纹理进行增强。
四、研究进展
目前，在雾天图像清晰化方面，我们已经完成：
1.暗通道算法的实现和优化，成功地估算出了大气光强度和深度图。
2.消融模型的训练和测试，同时与其他清晰化方法进行了对比，实验结果表明本方法方案具备较优的效果。
3.对清晰化后的图像进行了对比度和纹理增强测试，取得了较好的清晰化效果。
五、下一步工作
1.将暗通道算法、消融模型以及增强算法结合起来，完成完整的雾天图像清晰化算法设计，并对算法进行实验验证和性能分析，不断提升算法鲁棒性和效率。
2.在数据集准备和实验设计方面，考虑更多雾天天气情况、环境、场景的考虑，以在不同场景获得更强的算法泛化能力。
3.探究一些自适应的或者在线学习的策略，使得算法能够学习更加细微的场景特征，从而获得更加广泛和有效的应用结果。
以上是本研究的中期报告。