Question

请帮我翻译一下这一段英文吧（400多字），是专业文献里面的（数字图像处理）有点难度，翻译的好再追加分。

我从来没有翻译过这种论文，自己翻译了一下午才译出了3000字，而且读起来很不顺畅，感觉上还是英文式的中文。我想请教一下专业的朋友，这段到底该怎样翻译，我想仿照您给翻译的风格继续翻译下去。
——————————————————————
Integrating this process along a ray emerging from the
viewer, in the case of a spatially varying β , gives
t=exp(-∫β(r(s))ds), (1)
where r is an arc-length parametrization of the ray. The fraction t is called the transmission and expresses the relative portion of light that managed to survive the entire path between the observer and a surface point in the scene, at r(d), without being scattered. In the absence of black-body radiation the process of light scattering conserves energy, meaning that the fraction of light scattered from any particular direction is replaced by the same fraction of light scattered from all other directions. The equation that expresses this conservation law is known as the Radiative Transport Equation [Rossum and Nieuwenhuizen 1999]. Assuming that this added light is dominated by light that underwent multiple scattering events, allows us to approximate it as being both isotropic and uniform in space. This constant light, known as the airlight [Koschmieder 1924] or also as the veiling light, can be used to approximate the true in-scattering term in the full radiative transport equation to achieve the following simpler image formation model
I(x)=t(x)J(x)+(1-t(x))A, (2)
where this equation is defined on the three RGB color channels. I stands for the observed image, A is the airlight color vector, J is the surface radiance vector at the intersection point of the scene and the real-world ray corresponding to the pixel x = (x;y), and t(x) is the transmission along that ray. This degradation model is commonly used to describe the image formation in the presence of haze [Chavez 1988; Nayar and Narasimhan 1999; Narasimhan and Nayar 2000; Schechner et al. 2001; Narasimhan and Nayar 2003; Shwartz et al. 2006]. Similar to the goal of these work, we are interested here in recovering J which is an image showing the scene through a clear haze-free medium. By that we do not eliminate other effects, the haze may have on the scene, such as a change in overall illumination which in turn affects the radiant emittance. Also, we assume that the input image I is given in the true scene radiance values. These radiance maps can be recovered by extracting the camera raw data or inverting the overall acquisition response curve, as described in [Debevec and Malik 1997]. This model (2) explains the loss of contrasts due to haze as the result of averaging the image with a constant color A. If we measure the contrasts in the image as the magnitude of its gradient field, a scene J seen through a uniform medium with t(x) = t < 1 gives us
|▽I|=|t▽J(x)+(1-t) ▽A|=t|▽J(x)|<| ▽J(x)| ,(3)
——————————————————
机器翻译就别贴了，谢谢三位

Answer 1

我帮你翻译了第二段,你看看可不可以. 第一段挺专业的,我的水平只能看懂还翻译不到那么好...

L(x)=t(x)J(x) + (1-t(x))A (2)
这个公式是在RGB三元色的基础上定义的. 其中的I 代表被观察图像. A是空气光的色彩向量. J是指在景象和对于像素x=(x,y)的真实射线的交点的表面辐射向量. T(x) 是指沿着该射线的透光率.
这个衰减模型一般用于在烟雾中的景象形成. [Chavez 1988; Nayar and Narasimhan 1999; Narasimhan and Nayar 2000; Schechner et al. 2001; Narasimhan and Nayar 2003; Shwartz et al. 2006]. 和他们的工作相似, 我们也在致力于求解J这个变量. 因为J 是一个可以反映景象穿过一个无烟的介质的图像. 但我们不想忽略其它影响因素. 景象上有可能有烟雾的存在. 例如,整体照明强度的改变反过来会影响辐射度. 同时,我们假设输入的图象I 以景象的真实辐射值表达. 这些辐射图谱可以从相机的原始数据中提取,或者像Debevec描述的那样通过总体获取响应曲线来转化得到 [Debevec and Malik 1997]. 这个模型解释了为什么为考虑烟雾的影响而将图像和一个固定的颜色A取平均值会导致的对比度的降低. 如果我们根据图象自身的渐变场的等级来测量图象的对比度. 当一个景象J通过一个均匀的介质 当t(x)=t<1时,得到|▽I|=|t▽J(x)+(1-t) ▽A|=t|▽J(x)|<| ▽J(x)| ,(3)

Answer 2

观察者整合这不同的过程以及形成一种情况.β,给 t=exp(-∫β(r(s))ds), (1)
在一个常量弧长法的光线参数化.t分数被称为传输和表达相对的光的部分设法生存整个路径的观测器以及表面之间点的场景,跳到r(d),没有被散布。在缺乏黑体温度计辐射光散射过程中保留的能量,这意味着散射光的一小部分(在)任何特定方向取而代之的是相同的分数散射光的所有其他方向。等式上守恒律表现被称为辐射传输方程罗森和纽文豪岑[1999]。假设这个添加浅充斥着光,经历了多次散射事件,让我们近似它作为各向同性和统一的空间。这永恒不变的光芒,称为空气光[克什米德 1924年]或的veiling(面纱样炫目的{不是很明确})光,可以用来近似真正的正弦波的散射术语在充分辐射传输方程来实现以下简单的成像模型 I(x)=t(x)J(x)+(1-t(x))A,
(2)
在定义在该方程的三个RGB颜色通道。我代表观察到的图像,是空气光颜色向量,J是表面的光芒矢量交界处的场面和真实世界的射线相应的到象素上x =(x,y),t(x)发射,在光线中。这一般退化模型用于描述成像在他面前站立得住;纳亚尔人[查韦斯1988年和多复变函数中播出。纳亚尔人查韦斯2000年和多复变函数.创办人谢喜纳2001年;纳亚尔人查韦斯2003年和多复变函数;创办人谢喜纳.2006].类似于这些任务的目标在这里我们对恢复J是一种通过现场所显示的图象清晰薄雾-不受控制的介质。那我们不排除其他的影响时,烟气可能来到现场,如改变涵盖了所有的照明反过来影响辐射通量密度。同时,我们假设输入的图像中,我得到了真正的场景的光芒的价值观。这些光辉的地图可恢复相机提取原始数据或者将总体采集曲线所描述的[德贝韦茨和马里克- 1997]。该模型(2)解释由于雾霭的损失出现的对比的结果以不变的形象平均答:如果我们衡量的颜色对比的大小以及图像的梯度领域,一场J看穿了一个统一的介质与t(x)= t < 1 gives us
|▽I|=|t▽J(x)+(1-t) ▽A|=t|▽J(x)|<| ▽J(x)| ,(3)
我不行了 - -好难翻译呀。。我这个应该还能看一下 - -希望能帮助到兄弟哦。加油。

追问

“观察者整合这不同的过程以及形成一种情况.β,给”

抱歉，您这样完全不行吧-_-|||

Answer 3

整合这过程以及新兴的光线
观众,在一个空间的情况下,给出了不同β
实验(t =β-∫(r(s))ds),(1)
在r是一个arc-length parametrization的光线。 小部分称为传播和t是表达相对部分光线,设法生存整个路径之间的观察者和一个表面点的场景,在r(d),而不会被分散。在缺乏black-body光散射辐射过程的能量,这意味着双重光散射的一小部分取代任何特定方向是相同的分数的光散射所有其他方向。这个方程表达这守恒律是众所周知的一Rossum辐射传输方程和Nieuwenhuizen[1999]。假设这个添加浅充斥着光,经历了多次散射事件,使得我们可以近似将奴隶制度视为各向同性和统一的空间。这种持续的光,被称为airlight]或[Koschmieder 1924年也为veiling光,可以用来逼近真实的in-scattering术语在完整的辐射传输方程来实现以下简单的图像形成的因素模型
我(x)= t(x)J(x)+(1-t(x)),(2)
该方程在哪里定义在这三个RGB颜色通道。我代表观测图像,一个是airlight颜色矢量,J是表面的光芒矢量交界处的场面和真实世界的光线对应的像素x =(x,y),t(x)是传输装置沿着这光线。这退化模型常被用来描述成像在他面前站立得住;Nayar霾[查韦斯1988年和1999年;Narasimhan和Nayar Narasimhan学组。2000;Schechner 2001年;Narasimhan和Nayar学组。2003;Shwartz 2006]。 类似于这些工作的目标,我们有兴趣在这里是一种恢复[J].所显示的图象做现场通过一个清晰的haze-free介质。那我们不排除其他的影响时,烟气可能已经在现场,如改变整体照明反过来影响辐射通量密度。同时,我们假设输入的图像中,我是真实的场景中所给的光芒的价值观。这些光辉地图就可以恢复了提取照相机原始数据或者使整体习得中所述的响应曲线,Debevec和马里克- 1997年[]。该模型(2)解释了由于损失反差的阴霾的结果作为平均图像以不变的颜色答:如果我们测量上的对比以及图像的梯度场的大小,它的一个场景,J看穿了均匀介质与t(x)= t < 1给了我们
= | | |我▽t▽J(x)+(1-t一| = t)▽|▽J(x)| < | |▽J(x),(3)

Answer 4

整合这过程以及形成一束
观众之间的情况,提出了不同β
t =经验(∫β(r(s)ds),(1)
在一个arc-length parametrization r的光线。 t分数被称为传输和表达相对的光的部分设法生存整个路径的观测器以及表面之间点的场景,跳到r(d),而不会被分散。在缺乏black-body辐射光散射过程中保留的能量,这意味着散射光的一小部分任何特定方向取而代之的是相同的分数散射光的所有其他方向。等式上守恒律表现被称为辐射传输方程Rossum和Nieuwenhuizen[1999]。 假设这个添加浅充斥着光,经历了多次散射事件,使我们能够近似它作为各向同性和统一的空间。这永恒不变的光芒,称为airlight[Koschmieder 1924年]或的veiling光,可以用来近似真正的in-scattering术语在充分辐射传输方程来实现以下简单的成像模型
我(x)= t(x)J(x)+(1-t(x)),(2)
在定义在该方程的三个RGB颜色通道。我主张,一个是观测图像的颜色airlight向量,J是表面的光芒矢量交界处的场面和真实世界的射线相应的到象素上x =(x,y),t(x)发射,在光线。这一般退化模型用于描述成像在他面前站立得住;Nayar阴霾[查韦斯1988年和1999年;Narasimhan Narasimhan和Nayar 2000;Schechner孙俐。2001年;Narasimhan和Nayar 2003;Shwartz孙俐。2006]。 类似于这些任务的目标在这里我们对恢复J是一种通过现场所显示的图象清晰haze-free介质。那我们不排除其他的影响时,烟气可能来到现场,如改变涵盖了所有的照明反过来影响辐射通量密度。同时,我们假设输入的图像中,我得到了真正的场景的光芒的价值观。这些光辉的地图可恢复相机提取原始数据或者将总体采集曲线所描述的[Debevec和马里克- 1997]。该模型(2)解释由于的损失雾霭出现的对比的结果以不变的形象平均答:如果我们衡量的颜色对比的大小以及图像的梯度领域,一场J看穿了一个统一的介质与t(x)= t < 1给了我们
▽| | | =我不▽J(x)+(1-t)▽| = t |一▽J(x)| < |▽J(x)|;(3)

Answer 5

整合这过程以及形成一束
观众之间的情况,提出了不同β
t =经验(∫β(r(s)ds),(1)
在一个arc-length parametrization r的光线。 t分数被称为传输和表达相对的光的部分设法生存整个路径的观测器以及表面之间点的场景,跳到r(d),而不会被分散。在缺乏black-body辐射光散射过程中保留的能量,这意味着散射光的一小部分任何特定方向取而代之的是相同的分数散射光的所有其他方向。等式上守恒律表现被称为辐射传输方程Rossum和Nieuwenhuizen[1999]。 假设这个添加浅充斥着光,经历了多次散射事件,使我们能够近似它作为各向同性和统一的空间。这永恒不变的光芒,称为airlight[Koschmieder 1924年]或的veiling光,可以用来近似真正的in-scattering术语在充分辐射传输方程来实现以下简单的成像模型
我(x)= t(x)J(x)+(1-t(x)),(2)
在定义在该方程的三个RGB颜色通道。我主张,一个是观测图像的颜色airlight向量,J是表面的光芒矢量交界处的场面和真实世界的射线相应的到象素上x =(x,y),t(x)发射,在光线。这一般退化模型用于描述成像在他面前站立得住;Nayar阴霾[查韦斯1988年和1999年;Narasimhan Narasimhan和Nayar 2000;Schechner孙俐。2001年;Narasimhan和Nayar学组。2003;Shwartz 200