基于透射率引导的夜间图像去雾结构-纹理分解
计算机视觉与模式识别
2026-04-01 v1
摘要
在雾霾条件下捕获的夜间图像因大气散射、悬浮颗粒物的吸收以及人工光源的非均匀照明等综合作用，严重受质量退化，包括可见性降低、颜色失真和对比度减弱。虽然已有夜间去雾方法取得了部分成功，但通常仅解决这些问题的一个子集，如光晕抑制或亮度增强，无法联合处理整个退化因素。本文提出了一个两阶段的夜间图像去雾框架，将透射率校正与结构-纹理分层优化集成。在第一阶段，我们引入一种新颖的透射率校正方法，建立受边界约束的初始透射率图，并根据图像区域是否对应光源区域应用区域自适应补偿和归一化。在 YUV 色彩空间中使用二次高斯滤波方案来估计空间变化的大气光图。校正后的透射率图和大气光图随后与改进的夜间成像模型结合，用于生成初始去雾图像。在第二阶段，我们提出了 STAR-YUV 分解模型，将去雾图像在 YUV 色彩空间中分为结构层和纹理层。对结构层应用伽马校正和MSRCR 基于颜色恢复的亮度补偿和颜色偏差校正；对纹理层应用拉普拉斯-高斯滤波进行细节增强。随后，采用一种新颖的两阶段融合策略，包括对增强层进行非线性基于 Retinex 的融合，以及与初始去雾结果的线性混合，生成最终输出。
引用
@article{arxiv.2603.29507,
title = {Transmittance-Guided Structure-Texture Decomposition for Nighttime Image Dehazing},
author = {Francesco Moretti and Giulia Bianchi and Andrea Gallo},
journal= {arXiv preprint arXiv:2603.29507},
year = {2026}
}