夜间图像光照不均匀, 存在色偏, 去雾难度较大。目前图像去雾算法主要针对白天场景, 有关夜间图像去雾算法的研究较少。基于结构-纹理分层模型提出新的夜间图像去雾算法, 将夜间有雾图像分解为结构层和纹理层。在结构层采用中值滤波器估计环境光, 利用加权范数L1正则化模型对其进行优化, 并进行去雾和颜色校正处理；在纹理层利用离散余弦变换系数估计透射率。最终融合纹理层与去雾后的结构层得到去雾图像。实验结果表明, 采用该算法对夜间图像去雾后图像细节清晰, 颜色自然, 去雾效果显著。

使用纹理过滤的本征图像 在Matlab和C ++ MEX中未优化实现“使用结构-纹理分离和表面法线进行固有图像分解” 。 如何使用它 您可以使用随附的RGB和深度图像尝试demo.m。 包括的输入RGB和深度图像是从提取的。 算法需要去除纹理的RGB图像。 包括和作者代码。 您可以使用任何结构-纹理分离算法来代替它。 硬件/软件要求 原始代码在Matlab 2015a 64位Windows 7上进行了测试。 对于其他平台（32位Windows，Linux，MacOS），请在“ mex”目录中编译C ++ mex源代码。 要编译mex源代码，需要相应的ann和opencv库（请参考compile.m）。 贡献者 （ ） 引文 如果您发现此软件有用，请引用我们的论文。 Jeon Jeon，赵圣贤，Xin Tong，Lee Seongyong，“”，欧洲计算机视觉会议（ECCV 201

这个文件夹中包含从“结构+纹理”图像中提取文件主结构的英文论文、中文翻译、MATLAB代码、试用图片

鉴于压缩退化图像的最佳恢复，本文提出了一种基于深度学习的卷积神经网络，在结构纹理分解的基础上，去除块状伪影的有效方法。 首先，通过总变化优化决策将退化图像分解为结构和纹理两部分。 然后，设计一个卷积神经网络以消除纹理部分中存在的阻塞伪像。 最后，将恢复的纹理部分与结构部分进行合成，以形成最终的最佳恢复图像。 实验结果证明了该方法在主观和客观上都可以消除阻塞伪像的性能优势。 最佳还原图像的客观质量指标。