全文总字数：2537字

1. 研究目的与意义及国内外研究现状

图像是信息传递的主要媒介，清晰的图像是准确无误获取信息的前提。然而，在雾、霾等恶劣天气下．由于光线受到悬浮颗粒散射的影响，使得到达成像设备的光线衰减严重，致使获取的图像景物模糊、整体颜色偏灰白、色彩淡化。这种退化图像细节特征难以辨认，会影响绝大多数计算机视觉系统的工作。因此，需要采用图像去雾技术对降质图像进行清晰化处理，以改善图像的视觉效果，提高图像的应用价值。

图像去雾算法种类繁多，2009年，何恺明等从新的角度着手，提出一种方便有效的基于暗通道先验原理的去雾算法。本课题的目的在于了解图像去雾技术，分析研究基于暗通道先验理论的去雾算法，针对he^[5][6]算法不足提出改进算法，并通过matlab仿真验证改进后的算法的良好性能。

国内外研究现状

如今国内外对图像去雾算法的研究比较深入，大致分为两类^[1]，一类是基于图像增强算法，目前主流的图像增强算法有直方图均衡化算法、小波变换算法和基于 retinex 理论的算法。此类算法是直接处理原图像，以提升图像对比度、突出图像细节为主，从而使图像看起来更加清晰。另一类是基于物理模型的图像复原算法，主要包括基于景深关系的方法、基于大气光偏振特性的方法和基于先验知识的方法，此类算法是在了解图像退化的原理上，复原出原图像，且效果较好。近十年来，基于先验知识的单幅图像去雾算法取得重大突破，tan^[2]通过扩大带雾图像的局部对比度来复原图像，但这种方法会使局部图像颜色过于饱和。fattal^[3]利用独立成分分析和马尔可夫随机场模型，此方法对彩色图像具有较好的复原效果，但不适用于处理浓雾图像和色彩暗淡的图像。tarel^[4]提出基于中值滤波的快速去雾算法，效率较高但在场景深度变化密集处会产生光晕。he^[5]提出的基于暗通道先验理论的算法可以得到去雾效果很好的图像，但时间复杂度高且不适用于含天空区域和大面积灰白色区域的图像。后来he^[6]提出用引导滤波细化透射率，时间复杂度降低，但会出现光晕效应。近年来，众多学者对he方法提出改进，陈书贞^[7]等引入混合暗通道，利用导向滤波优化粗估计值，适用于大面积天空或白色区域的图像去雾。程炜^[8]等提出一种大气光强度自适应恢复算法，可以有效避免大气光强度估值偏差引起的图像色彩失真。

2. 研究的基本内容

本课题主要对基于暗通道先验理论去雾算法进行分析研究，主要内容包括：学习暗通道理论及其形成过程，估计大气光值，对透射率的粗略估计及利用引导滤波对其进行优化。研究引导滤波中参数对去雾效果的影响，如滤波窗口半径及正则系数，最后对含有天空或灰白区域的有雾图像提出算法改进，并通过MATLAB仿真验证改进后的算法的良好性能。

3. 实施方案、进度安排及预期效果

实施方案

分析暗通道理论算法具体流程，调试算法进行带雾图像的去雾处理，分析图像的色彩饱和度及边缘细节等问题。在透射率粗估计后，对不包含天空区域的图像，先通过改变最小值滤波窗口大小，了解该参数对去雾效果影响，再利用引导滤波细化透射率。对于包含天空区域的图像，分析运用该理论处理图像时出现光晕效应的原因并根据提出相应的改进算法。最后通过分析比较改进算法与原算法，客观评价它们之间性能优劣和不足。

进度安排

4. 参考文献

[1] 吴迪, 朱青松. 图像去雾的最新研究进展. 自动化学报, 2015, 41(2): 221239

[2] tan r t．visibilityin bad weather from a single image[c]．ieee conference on computer vision andpattern recognition，2008:1-8

[3]fattal r．single imagedehazing[j]．acm transactions on graphics 2008，27(3)：1-9