2013_ICCV_Efficient Image Dehazing with Boundary Constraint and Contextual Regularization

算法步骤：

step 1: 估计大气光A

本算法是通过对有雾图像的每个颜色通道进行局部最小值滤波，得到三个暗通道图像，然后把每个暗通道图像中的最大值作为大气光值A的相应通道的灰度值。

step 2: 边界约束

step 3: 邻域约束

step 4: 根据分离变量的方法来解目标函数并得到透射率t

step 5: 去雾

正则化大概有两个功能：
1，从模型修正上看，起了一个trade-off作用，用于平衡学习过程中两个基本量，名字诸如bias-variance、拟合能力-泛化能力、损失函数-推广能力、经验风险-结构风险等等；
2，从模型求解上看，正则化提供了一种唯一解的可能，众所周知，光用最小二乘拟合可能出现无数组解，加个L1或L2正则化项能有唯一解。

什么是损失，什么是正则；什么是L1，什么是L2。一会儿是L1正则，一会儿是L2损失。总结：L1或者L2就是某种范数（线性代数和矩阵的基本概念），既可以用于损失又可以用于正则化参数。损失是衡量预测值和真实值的差异，正则是控制所求参数的量级。

Meng的官网

L1-norm Regularization

深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT条件

Lagrange Multiplier Method

Variable Splitting（变量分裂）

机器学习讲座总结-北航-互联网应用下的大规模在线学习算法(四)-为什么要正则化

病态问题

香港中文大学_去模糊

正则化代码