In this paper, we propose a novel c

In this paper, we propose a novel color attenuation prior for image dehazing. This
simple and powerful prior can help to create a linear model for the scene depth of the hazy
image. By learning the parameters of the linear model with a supervised learning method,
the bridge between the hazy image and its corresponding depth map is built effectively.
With the recovered depth information, we can easily remove the haze from the single hazy
image. An overview of the proposed dehazing method is shown in Figure 1. The efficiency
of this dehazing method is dramatically high and the dehazing effect is also superior to that
of popular dehazing algorithms as we will show in Section 5.
The remainder of this paper is organized as follows: In Section 2, we review the
atmospheric scattering model which is widely used for image dehazing and give a concise
analysis on the parameters of this model. In Section 3, we discuss the proposed approach
of recovering the scene depth using the color attenuation prior. In Section 4, the method of
image dehazing with the depth information is described. In Section 5, we present and
analyse the experimental results. Finally, we summarize this paper in Section 6.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ เรานำเสนอการลดทอนสัญญาณก่อนที่สีใหม่สำหรับภาพ dehazing นี้ก่อนที่ง่าย และมีประสิทธิภาพสามารถช่วยในการสร้างแบบจำลองเชิงเส้นสำหรับความลึกฉากของการลืมเลือนรูปภาพ เรียนรู้พารามิเตอร์ของแบบจำลองเชิงเส้นด้วยวิธีการเรียนรู้ดูแลระหว่างภาพมัวและแผนที่ความลึกสอดคล้องกันถูกสร้างขึ้นอย่างมีประสิทธิภาพความลึกที่กู้คืนข้อมูล เราได้อย่างง่ายดายลบหมอกควันจากเดียวมัวรูปภาพ ภาพรวมของวิธี dehazing การนำเสนอจะแสดงในรูปที่ 1 ประสิทธิภาพนี้ dehazing วิธีที่สูงมาก และผล dehazing ยังดีกว่าที่ความนิยม dehazing อัลกอริทึมที่เราจะแสดงในส่วนที่ 5ส่วนที่เหลือของเอกสารนี้ถูกจัดเป็นดังนี้: เราตรวจสอบในส่วนที่ 2 การจำลองบรรยากาศกระเจิงซึ่งใช้ภาพ dehazing และให้ความกระจ่างการวิเคราะห์พารามิเตอร์ของรูปแบบนี้ เรากล่าวถึงวิธีการนำเสนอในส่วนที่ 3การกู้คืนความลึกฉากใช้ก่อนลดทอนสี ใน 4 ส่วน วิธีการอธิบายรูปภาพ dehazing ข้อมูลความลึก ในส่วนที่ 5 เรานำเสนอ และวิเคราะห์ผลการทดลอง ในที่สุด เราสรุปเอกสารนี้ในส่วนที่ 6

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะนำเสนอการลดทอนสีนวนิยายก่อนสำหรับ dehazing ภาพ นี้
ก่อนที่ง่ายและมีประสิทธิภาพสามารถช่วยในการสร้างรูปแบบเชิงเส้นสำหรับความลึกของฉากหมอก
ภาพ โดยการเรียนรู้พารามิเตอร์ของรูปแบบเชิงเส้นที่มีวิธีการเรียนรู้ภายใต้การดูแล,
สะพานเชื่อมระหว่างภาพหมอกและแผนที่ความลึกที่สอดคล้องกันถูกสร้างขึ้นได้อย่างมีประสิทธิภาพ.
ด้วยข้อมูลเชิงลึกที่กู้คืนเราสามารถเอาหมอกควันจากหมอกเดียว
ภาพ ภาพรวมของวิธีการ dehazing ที่เสนอจะแสดงในรูปที่ 1 ประสิทธิภาพ
ของวิธีการ dehazing นี้จะสูงขึ้นอย่างรวดเร็วและผล dehazing ยังจะดีกว่าว่า
อัลกอริทึม dehazing ที่นิยมในขณะที่เราจะแสดงในมาตรา 5
ที่เหลือของบทความนี้มีการจัดระเบียบ ดังต่อไปนี้: ในส่วนที่ 2 เราตรวจสอบ
รูปแบบการกระเจิงบรรยากาศซึ่งจะใช้กันอย่างแพร่หลายสำหรับ dehazing ภาพและการให้รัดกุม
การวิเคราะห์เกี่ยวกับพารามิเตอร์ของรุ่นนี้ ในส่วน 3 เราจะหารือถึงวิธีการที่นำเสนอ
ในการกู้คืนความลึกที่เกิดเหตุโดยใช้การลดทอนสีก่อน ในส่วน 4 วิธีการ
ภาพ dehazing มีข้อมูลเชิงลึกที่จะอธิบาย ในมาตรา 5 เรานำเสนอและ
วิเคราะห์ผลการทดลอง สุดท้ายเราสรุปบทความนี้ในมาตรา 6

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราเสนอการนวนิยายภาพสีก่อน dehazing . นี้ง่ายและมีประสิทธิภาพก่อนสามารถช่วยในการสร้าง แบบจำลองเชิงเส้นสำหรับฉากความลึกของฝ้าภาพ โดยค่าพารามิเตอร์ของแบบจำลองเชิงเส้นในการเรียน ด้วยวิธีเรียนสะพานเชื่อมระหว่างภาพที่พร่ามัวและแผนที่ความลึกที่สอดคล้องกันของมันถูกสร้างขึ้นได้อย่างมีประสิทธิภาพกับการกู้คืนข้อมูลความลึก เราสามารถลบภาพหมอกควันจากเดี่ยวภาพ ภาพรวมของการนำเสนอ dehazing เป็นวิธีที่แสดงในรูปที่ 1 ประสิทธิภาพวิธีนี้ dehazing เทคโนโลยีสูงและ dehazing ผลยังเหนือกว่าว่าของความนิยม dehazing อัลกอริทึมที่เราจะแสดงในส่วนที่ 5 .ส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ ในส่วนที่ 2 ที่เราตรวจสอบบรรยากาศแบบกระจายซึ่งใช้กันอย่างแพร่หลายในรูป dehazing และให้กระชับการวิเคราะห์ค่าพารามิเตอร์ของแบบจำลองนี้ ในส่วนที่ 3 เราได้กล่าวถึงวิธีการที่เสนอการกู้คืนภาพความลึกสีการใช้ก่อน ในมาตรา ๔ วิธีภาพ dehazing ข้อมูลความลึกจะอธิบาย ในส่วนที่ 5 เราปัจจุบันวิเคราะห์ผลการทดลอง ในที่สุด เราสรุปบทความนี้ในมาตรา ๖