Visibility in Bad Weather from a Single Image (CVPR2008）
核心思想：用MRF建模，最大化局部對比度涧尿。
摘要：算法有三個假設(shè)：1系奉、有霧圖像的對比度比無霧圖像的對比度低；2姑廉、透射率（與原文中的量略有不同缺亮，但本質(zhì)是一樣的）的變化只與物體（或場景）的深度有關(guān)，因此局部區(qū)域內(nèi)的透射率是接近恒定的桥言，而且除了少數(shù)不連續(xù)的像素點意外萌踱，相鄰區(qū)域透射率的變化是平滑的葵礼；3、復(fù)原之后圖像的統(tǒng)計特性應(yīng)該與實際的無霧照片特性一致（由于該算法只是一種增強對比度的算法并鸵，理論上并不是為了直接還原無霧照片鸳粉，所以引入該假設(shè)來說明該算法可以達到近似去霧的效果）。
先驗信息：圖像的對比度（contrast）园担。
模型：MRF(Markov random fields)届谈。
適用圖片類型：彩色，灰色圖弯汰。
優(yōu)點：解決了去霧需要同場景多張圖片的痛點疼约。解決單張圖像去霧這個ill-posed的問題。
待改進的:1.halo效應(yīng)蝙泼〕贪可能是通道選擇2.不能知道A的具體值。
馬爾科夫模型算法的去霧過程主要有三步:第一步是依據(jù)天空區(qū)域的三個影著特性計算大氣光值汤踏。第二步是采用MRF模型和雙邊濾波求取傳播圖织鲸。該步驟的目標(biāo)在于通過基于圖切的a-擴展技術(shù)來分配準(zhǔn)確的像素標(biāo)簽，并使用雙邊濾波消除冗余的細(xì)節(jié)信息溪胶。最后搂擦，依據(jù)大氣散射模型，將估計得到的人氣光值和傳播圖帶入散射模型哗脖，以計算得到去霧后圖像的場景輻照度瀑踢。
具體實現(xiàn)：1.利用大氣模型，最終得到大氣光值和景深的關(guān)系才避。
2.（先驗信息）將利用邊的對比度求出最大A值對應(yīng)的最大對比度值。A=167桑逝。
? ? ?? 將圖像的對比度量化為圖像的梯度和（可以理解為圖像邊緣越多對比度越強）棘劣，那么圖像對比度可以表示為：
Cedges(I)=∑t∥?I(x)∥Cedges(I)=∑t‖?I(x)‖
從上文的大氣散射模型可以得到假設(shè)1的論點（因為?t≤1t≤1）：
∑t∥?I(x)∥=t∑t∥?J(x)∥≤∑t∥?I(x)∥∑t‖?I(x)‖=t∑t‖?J(x)‖≤∑t‖?I(x)‖
3.空氣光平滑約束。MRFs的模型楞遏。
該文章用馬爾可夫隨機場（Markov Random Field茬暇， MRF）對透射圖進行建模。其中MRF的勢能函數(shù)包含兩項：1寡喝、“數(shù)據(jù)項”糙俗，表示的是局部區(qū)域在各個透射率下的對比度（用上文提到的梯度和表示）；2预鬓、“平滑項”巧骚，表示相鄰區(qū)域的透射率應(yīng)該比較相近，是一個正則化項。建模完成后网缝，通過 graph cuts 或者 belief propagation 算法可以求解最大化勢能函數(shù)時的最優(yōu)透射率巨税，從而得到估計的透射圖?t(x)。
補充：
DehazeNet: An End-to-End System for Single Image Haze Removal
