人工智能居然能“去霧霾”？

這一季我們講過人臉識別、結構光，也講過 SLAM、OCR 等計算機視覺的應用分支，接下來我們會談談計算機視覺的相關有趣應用，比如……“去霧霾”。

光穿過霧霾會發生散射，只有一部分能量能到達鏡頭，因此拍出的照片會呈現出“霧濛濛”的效果。 想要去掉圖片中的霧霾，就要精確估計出霧霾的透射率，再對圖像進行恢復。

暗通道先驗是圖像去霧霾的經典方法，它基於這樣的假設：在沒有霧的圖像中，一定有某個通道的某個局部非常暗，暗到數值幾近於零。 這部分可能是陰影、純色，也可能是黑色的東西。

有了霧霾，本來應該很暗的部分就會變得灰白。 通過這部分的數值計算出霧霾的透射率，找到有霧圖像和無霧圖像的對應關係，就能去掉圖片中的霧霾。

除了暗通道先驗，也有人嘗試利用對比度的降低或顏色的衰減來估計霧霾的透射率。 還有人嘗試使用深度學習，將霧霾作為一種特徵進行學習，端到端的完成圖像去霧。

有了圖像去霧，霧霾天自動駕駛系統也能準確識別交通標誌，添加了自動去霧霾功能的手機，霧霾天也能拍出清晰的照片。

PS：這種計算機視覺技術的正式名稱為：圖像去霧。 經典方法暗通道先驗來自計算機視覺頂級會議 CVPR 2009年的“Best Paper”《Single Image Haze Removal Using Dark Channel Prior》，作者何愷明現任 FAIR 研究科學家。

順便一提，CVPR 2016年“Best Paper”《Deep Residual Learning for Image Recognition》的作者也是他。