【本報導由電機工程學系　葉家宏教授研究團隊提供】

　　今早出門，遠方景色看來是否又是一片「霧茫茫」呢？空氣中除了因氣象而產生的霧氣會造成視線不佳，隨著工業發展，工廠與發電廠排放的大量懸浮汙染物也使能見度降低而造成我們生活上的不便，甚至帶來危險，如汽車駕駛易受霧氣影響而發生交通意外。而霧氣也會對攝影機等光學感測器帶來負面影響，降低影像對比度與能見度，因而降低後續應用的效能。建構於自駕車與監視器等室外電腦視覺系統之相關應用，如事件偵測及分析、物件偵測、追蹤及辨識、場景分析與行車安全輔助等，皆仰賴於所得影像/視訊的品質。因為其深入生活各層面的影響力，生成高品質除霧影像已然成為重要之研究議題。為移除霧氣對影像的影響，葉家宏教授團隊2013年於國際光學頂級期刊Opt. Express發表創新的單張影像除霧方法，此相關技術應用於車載系統；亦在2012年獲得Intel主辦之全國大專院校智慧系統設計競賽—優等獎之殊榮。團隊基於深度學習所開發之單張影像除霧架構也於2019年發表於影像處理領域之國際頂尖期刊IEEE Transactions on Image Processing；此方法兼具高除霧品質與低計算複雜度之特性，市場應用價值可期，如車載、自駕車與視訊監控系統等；目前團隊亦規劃將此前瞻技術轉移至產業界，以進一步展現產品「看穿」濃霧的實力，讓我們的生活更安全便捷。

　　今早出門，遠方景物看起來是否又是一片「霧茫茫」？霧由許多小水滴在空中凝結漂浮組成，除清晨或山區常見的「霧」，當汙染嚴重且大氣條件適合時，水蒸氣附著在懸浮微粒上，產生由「霧+汙染物」組成的骯髒「霧霾」。由於細懸浮微粒PM2.5具強烈的光散射效應，當相對濕度不高時，容易散射或吸收太陽光，形成霧濛濛的「霾」，使空氣能見度大幅下降。

　　除了因天氣現象產生的「霧」，隨著工業發展，工廠與發電廠排放的懸浮汙染物大量增加；霧氣瀰漫的頻繁發生不但降低能見度，更帶來生活上的不便甚至造成危險，如汽車駕駛容易受霧氣影響發生意外。此外，霧氣對攝影機等光學感測器也會造成不良影響，使影像/視訊呈現灰白色調，對比度與能見度下降，進而降低後續相關應用的效能。建構於自駕車、監視器等室外電腦視覺系統之相關應用如事件偵測及分析、物件偵測、追蹤及辨識、場景分析與行車安全輔助等，皆仰賴所得影像/視訊之品質。含霧影像/視訊資料對壓縮效率有不良影響，亦影響傳輸及儲存的效率。因為其深入生活各層面的影響力，高品質除霧影像的生成已成為熱門且重要之研究議題。

　　葉家宏教授團隊2013年於國際光學頂級期刊Optic Express [SCIE 2013 IF=3.525, Ranking=7.2%]發表創新的單張影像除霧方法，克服一般方法僅使用一個暗通道先驗模型而導致的細節失真缺點，首先提出使用兩個模型(暗通道先驗與亮通道先驗)的架構，除霧效果明顯優於其他演算法，至今GS引用次數已達80次，JCR則為47次。此外團隊也積極將除霧技術應用於車用系統上，相關成果於2012年獲得Intel主辦之全國大專院校智慧系統設計競賽—優等獎之殊榮。

　　近年來深度學習已成為產學界的熱門議題，在電腦視覺、語音辨識、自然語言處理、無人駕駛車與機器人等領域都有爆炸性成長。葉教授團隊開發出基於深度學習之單張影像除霧架構；不同於前沿方法直接學習含霧與除霧影像間的關係，計算量龐大，此法將一含霧影像分割成基礎 (base) 及細節 (detail) 後就此二部分訓練不同的深度學習網路架構。實驗結果證實所提之多尺度殘差學習之單張影像除霧(MSRL-DehazeNet, multi-scale residual learning for single image dehazing) 架構可生成高品質除霧影像，有效解決色偏問題；在除霧效能及計算複雜度方面皆優於或類似於現有前沿之單張影像除霧方法。

　　本創新單張影像除霧研究於2019年12月發表於計算機、影像處理與人工智能領域之頂尖期刊IEEE Transactions on Image Processing [SCIE 2018 IF=6.790, Ranking=7%]，在學術上備受肯定。此外其兼具高除霧品質與低計算複雜度之特性，實具車用、無人車駕駛與視訊監控等系統之應用價值，目前團隊亦規劃將此技術轉移至產業界，實現產品「看穿」濃霧之實力。