Recently, there has been an increas

Recently, there has been an increased interest in the vision and graphics
communities in dehazing single images [1–5]. In this paper we introduce an alternative
approach to solve this challenging problem. Our technique is based on
the remark that the distance from the observer to the scene objects is highly correlated
with the contrast degradation and the fading of the object colors. More
specifically, by an extensive study it has been disclosed an important difference
between hazy and non-hazy image regions, by performing a per pixel comparison
of the hue values in the original image to their values in a ’semi-inversed’ image.
This ’semi-inversed’ image version is obtained by replacing the RGB values of
each pixel on a per channel basis by the maximum of the initial channel value
(r, g or b) and its inverse (1 − r,1 − g or 1 − b), followed by an image-wide
renormalization. This observation has been validated on a large set of images,
and allows for the detection of the hazy image regions by applying only a single
simple operator. This facilitates the estimation of the airlight constant color,
and enables us to compute a good approximation of the haze-free image using a
layer-based approach.
Contributions. This paper introduces the following three main contributions:
- first of all, we introduce a novel single image algorithm for the automatic detection
of hazy regions.
- secondly, our approach works on a per pixel basis. This makes it suitable for
parallelization, and allows us to retain sharp detail near edges.
- finally, our layer-based fusion dehazing strategy yields comparative and even
better restored results than the existing approaches but performs faster being
suitable for real-time applications.

結果 (中文) 1:

最近，出现了视力的兴趣增加和图形
社区去雾单一图像[1-5]。在本文中，我们介绍一种替代
方法来解决这个具有挑战性的问题。我们的技术是基于
此话从观察者到场景中的对象的距离是高度相关
与对比度的降低和对象颜色的褪色。更多
具体地，通过广泛的研究，已经披露朦胧和非朦胧的图像区域之间的一个重要区别
，通过执行每个像素比较
色调值的原始图像到其在“半反转”的图像值。
这个“半倒转”形象的版本是通过替换的RGB值
获得对每个通道的基础上的每个像素的初始信道值
的最大值（R，G或B）及其倒数（1 - R 1 - 克或1 - b）所示，随后的图象宽
重整化。这种观察已经通过验证在一个大组图像，
和通过施加仅单一
简单操作者允许在朦胧的图像区域的检测。这有利于空气光时时彩的估计，
，使我们能够计算使用
层为基础的方法的阴霾，免费的图像的一个很好的近似。
贡献。本文介绍了以下三个主要贡献：
- 首先，我们介绍了一种新的单幅图像算法朦胧区域的自动检测

- 其次，我们的方法是基于每个像素的基础。这使得它适合
并行，并允许我们保留清晰的细节边缘附近
- 最后，我们基于图层的融合去雾战略产生对比，甚至
更好的恢复效果比现有的方法，但执行得更快幸福
适合于实时应用。

結果 (中文) 2:

最近，已经有单一的图像dehazing [ 5 ] 1–在视觉与图形
社区越来越感兴趣。在本文中，我们介绍了解决这一具有挑战性的问题的另一种
方法。我们的技术是基于
说，从观察者到场景中的物体的距离是高度相关的
与降解和颜色的对象的衰落。更
具体而言，通过广泛的研究已经揭示了模糊和非模糊图像区域之间的重要区别
，通过执行每像素的色调值的比较
原始图像中的他们的价值观在“半倒的形象。
这半倒的图像版本是用
的RGB值得到的对每个通道的基础上，由最初的渠道价值
最大像素（R，G或B）和它的逆（1−R，1−克或1−B），其次是一个图像的宽
重整化。这一观察已在一个大的图像验证，
和允许的模糊图像区域检测的应用只有一个
简单算子。这有利于雾的颜色恒常的估计，
使我们计算一个很好的近似无雾图像使用
层为基础的方法。
贡献。本文介绍了以下三个主要贡献：
-首先，我们引入了一个新的单一的图像算法的模糊区域的自动检测

。第二，我们的方法适用于每一个像素的基础上。这使得它适合
并行化，使我们能够保持锋利的边缘附近的
细节。最后，我们基于层的融合策略的比较，甚至
dehazing产生更好的结果比现有的方法，但恢复执行速度是
适于实时应用。

結果 (中文) 3:

近来，有兴趣的视觉和图形增加
社区的 dehazing 单图像 [1-5]。在本文中我们介绍的替代
办法来解决这个具有挑战性的问题。我们的技术基于
从观察员到现场对象的距离高度相关的评论
与对比度退化和褪色的对象的颜色。更多
具体来说，由广泛的研究，已经披露的一个重要区别
之间朦胧和非朦胧的图像区域，通过执行每像素比较
为其值在 '半倒' 图像。 原始图像中的色调值的
此 '半倒' 图像版本获得通过替换的 RGB 值
由初始的渠道价值最大化的每通道基础上的每个像素
(r、 g 或 b) 和它的逆矩阵 (1 − r、 1 − g 或 1 − b)，其次是图像全
重整化。这一观察已验证上一大组的图像，
和检测的朦胧图像区域允许通过应用只有一个
简单的运算符。这方便了 airlight 颜色恒定估计
，使我们能够计算好的近似的霾免费图像使用
基于图层的方法。
捐款。本文介绍了以下三个主要贡献：
-首先，我们介绍一种新型单个图像自动检测算法 》
的朦胧地区。
-第二，我们的方法工作在每个像素的基础上。这使它适合
并行化，使我们能够保留清晰的细部靠近边缘。
-最后，我们 dehazing 战略收益率比较，甚至的基于图层融合
比现有的方法，但执行速度更快被更好地还原结果
适合实时应用程序。