用于去雾的深度学习模型将低分辨率图像作为输入并产生低分辨率输出 图像去雾算法

题记：——首先交代一下背景，之前一直做FPGA硬件方面的东西，由于业务需要转做图像处理。由一个小白做起，从阅读冈萨雷斯开始了图像处理之路。中间也经历了很多坎坷曲折，不多说了开图。

阅读了一些图像去雾方面的论文与资料，发现大部分都是围绕“何凯明博士（香港大学）提出的暗通道先验理论做研究”，鄙人也拜读了何博士的文章，真是心悦诚服之感。

论文名称为“single image haze removal using dark channel prior”

论文中是这样解释各个参数的：I(X)就是有雾图像（待去雾的图像），J(x)是需要恢复的无雾的图像，A是全球大气光成分， t(x)为透射率。现在的已知条件就是I(X)，为了能求的目标值J(x)。作者提出了暗通道先验理论-即正常无雾的自然风景图像的暗通道是趋于全黑，应该就是每一个像素的值为0.

算法的步骤为：

1 求取输入有雾图像（图像的每一个通道都参与运算，RGB）的暗通道数据。

2 求取A，（我选了暗通道中的最大值作为a）

3 由1与2得出t(x)

4 由3求的无雾图J

下面上几个对比图

今天暂且写这里，后续待完善。