Many haze reduction methods have be

Many haze reduction methods have been presented based ontwo assumptions (dark channel prior and constant transmissionin a local patch). These two assumptions lead to a simple anduseful dehazing framework. However, Jdark(x) is not alwayszero, and transmission is not constant in a local patch. Thesefacts produce annoying artifacts in the dehazed image.Therefore, a range of post-processing methods such as softmatting [19], bilateral filtering [20], [21] and guided filtering[22], [23] are followed by a transmission estimation.

結果 (中文) 1:

许多雾霾减少方法都是基于两个假设（暗通道先验和局部斑块中的恒定传输）提出的。这两个假设导致了一个简单且有用的去雾框架。然而，Jdark(x)并不总是为零，并且传输在本地补丁中不是恒定的。这些事实在去雾图像中产生了恼人的伪影。因此，在一系列后处理方法（例如软抠图[19]、双边滤波[20]、[21]和引导滤波[22]、[23]）之后进行传输估计。

結果 (中文) 2:

基于
两种假设（暗通道先验和恒定传输
在本地补丁中）。这两个假设导致了一个简单的
有用的除雾框架。然而，Jdark（x）并不总是
零，并且传输在本地补丁中不是恒定的。这些
事实在去雾图像中产生令人讨厌的伪影。
因此，一系列的后处理方法，如
遮片[19]、双边滤波[20]、[21]和引导滤波
[22]、[23]之后是传输估计。

結果 (中文) 3:

已经提出了许多降低雾度的方法，基于
两个假设(暗信道先验和恒定传输
在本地补丁中)。这两个假设导致一个简单的和
有用的去雾框架。然而，Jdark(x)并不总是
零，并且在局部贴片中透射不是恒定的。这些
事实会在去雾图像中产生恼人的伪像。
因此，一系列的后处理方法，如软
抠图[19]、双边过滤[20]、[21]和引导过滤
[22]、[23]之后是传输估计。