基于空间与频率先验的散射退化图像的真实场景恢复

从因散射效应（如雾霾、沙暴、水下或遥感条件）退化的真实图像中恢复场景仍是计算机视觉中的一个基本而具挑战性的问题。现有方法要么依赖单一先验，本质上不足以刻画多样化的散射退化；要么使用深度网络训练，常在真实场景下泛化能力有限。本文提出一种空间频率先验（SFP）用于散射退化下的真实场景恢复。在空间域中，我们观察到，散射退化图像的倒数揭示了其光谱方向上的投影，这与底层场景传输率相关。基于此，我们构建空间先验以估计传输图，从而在散射效应下有效恢复场景辐射。在频率域中，我们设计了自适应频率增强策略，引导两个新先验：第一个先验假设退化图像各通道直流（DC）分量的均值近似于对应清晰图像的均值；第二个先验基于观察到，在清晰图像中，狭窄频带内的低径向频率仅占整体谱的小比例。这些先验使我们能够针对不同频率带实现散射引起的衰减进行有针对性的补偿。最后，对空间域和频率域结果进行加权融合，以获得最终恢复图像。在多样化的真实散射退化场景上的大量实验表明，我们的 SFP 在性能和强泛化能力方面均优于最新方法。