1模糊建模
(1)
素点P原始的R,G,B的颜色（原始的清晰图像）
像素点P观察到的R,G,B的颜色（模糊图像）
全球大气光
t(p) ϵ[0,1]，
反应光的透射率，由场景中的点到相机的距离d(p)决定,与距离成反比
：衰减系数，由天气条件决定，在典型的模糊条件下一般假设为1，
2.静态图像去雾
1.估计输入图像的大气光A
2.假设在图像的一个块区域里，场景深度是相同的。为每一个块区域找到一个最优的透射率t(p)来最大化复原图像的对比度
3.在增强对比度的同时尽量减小由于像素截位造成的信息损失。
4.通过使用边缘保护的可移动窗口的滤波器，将基于块的透射率图改成基于像素的透射率图来对t进行优化，从而消除块效应。
5.从输入的模糊图像中，考虑透射率图和大气光，来还原场景
2.1 估算大气光（基于四叉树细分的分层次的搜索方法）
1.将输入的图像分成四个矩形区域，在每个区域内用像素的平均值减去它的标准差作为分数
2.选择分数最高的区域，把它再分成四个矩形区域，重复1,2。直到最后选择的区域小于我们预先定于的阈值
3.在最终选择的区域里，
距离最小的颜色向量最为大气光
2.2估算最优透射率
1. (1)式改写如下：
当A估算出来只有，
就只由t决定
2.对比对计算:Mean squared error (MSE) contrast
由公式可以看出，对比度与t成反比。
3.损失函数：对比度损失函数
4.t值
所以有
说明
1：后面的透射率图t值优化精髓部分没有看懂，所以暂时不上传上来，后面看懂了再更新
2：文章后面还有视频流的去雾处理暂时没时间看，后面有时间看懂在更新
3：原文Optimized contrast enhancement for real-time image and video dehazing，本文是在自己的理解上翻译出来的