In this paper we introduce a novel

In this paper we introduce a novel approach to restore a
single image degraded by atmospheric phenomena such as fog or haze.
The presented algorithm allows for fast identification of hazy regions
of an image, without making use of expensive optimization and refinement
procedures. By applying a single per pixel operation on the original
image, we produce a ’semi-inverse’ of the image. Based on the hue disparity
between the original image and its semi-inverse, we are then able
to identify hazy regions on a per pixel basis. This enables for a simple
estimation of the airlight constant and the transmission map. Our approach
is based on an extensive study on a large data set of images,
and validated based on a metric that measures the contrast but also
the structural changes. The algorithm is straightforward and performs
faster than existing strategies while yielding comparative and even better
results. We also provide a comparative evaluation against other recent
single image dehazing methods, demonstrating the efficiency and utility
of our approach.

結果 (中文) 1:

在本文中，我们介绍一种新的方法来恢复受大气现象，如雾或霾降级一个
单个图像。
该算法可以快速识别朦胧地区的
的图像，而不进行昂贵的优化和细化
程序使用。通过施加一个每像素操作的原始
图像上，产生的图像的“半逆'。基于所述色调视差
原始图像和其半逆之间，我们就能够
来识别在每个像素的基础上朦胧的区域。这使得一个简单的
估计的空气光常数和传输地图。我们的方法
是基于对图像的大数据集的广泛研究中，
和基于测量的对比度，而且
的结构变化的度量验证。算法很简单，并且执行
比现有的战略更快，同时产生比较，甚至更好
结果。我们还提供针对近期
单等图像去雾方法进行比较评价，证明了我们方法的有效性和实用性
。

結果 (中文) 2:

在本文中，我们引入了一个新的恢复
单一的形象，如雾或霾的大气现象的降解途径。
算法允许朦胧的地区
图像的快速识别，而不使用昂贵的优化和细化
程序。通过一个每像素操作对原始
图像，我们生产的半逆'的形象。基于原始图像和半逆之间的差距
色调，我们就能
识别每一个像素的基础上模糊的区域。这使得一个简单的
光常数的估计和传输地图。我们的方法
是基于对大数据集的图像，一个广泛的研究，
和验证基于度量的测量的对比也
结构变化。该算法简单，执行速度
比现有的策略，同时产生更好的
结果比较。我们还提供了与其他最近的
单幅图像去雾方法的比较评价，证明我们的方法的效率和实用
。

結果 (中文) 3:

在本文中我们介绍还原的新方法
单个图像退化的大气现象，如雾或霾
提出的算法允许快速识别的朦胧地区
的图像，制作不使用昂贵的优化和细化的
程序。通过应用每个像素操作在原始单
形象，我们生产的 '半逆' 的形象。基于色调的差距
在原始图像和其半逆，之间，然后，我们可以
来标识朦胧区域在每个像素的基础上。这使一个简单
airlight 常数与传输地图的估计。我们的做法
基于大型数据集的图像，广泛研究
和验证基于一个指标，衡量对比但也
的结构变化。该算法是直接和执行
比现有的战略，同时产生对比和更好更快
结果。我们还提供对其他最近比较评价
dehazing 方法，展示的效率和实用程序的单个图像
我们的态度。