近几年雾霾天气在我国北方出现次数极为频繁，尤其是在冬季供暖时期，雾霾情况尤为严重。雾霾条件下影响“透过光”强度，使其衰减，光学传感器接收到的光源将会发生改变，因此直接导致图像对比度和清晰度低，糊模不清；动态范围小，图像可识别度低，许多特征信息以及细节信息被模糊或覆盖：可能出现严重的颜色偏移或失真，色彩保真度也会下降，难以达到令人满意的视觉效果。图像视觉效果不佳或者可能存在信息缺失，给目标的判定带来一定程度上的困难，直接影响或者可能限制了室外目标识别以及跟踪、公路视觉监视、智能导航、卫星遥感监控等系统正常效果的发挥，给人们生产与生活等多方面带来了极为不利的影响。

雾霾天图像增强目的主要就是增强原始图像的对比度、亮度和色彩的饱和度，并且保持色度，提高图像可识别度，改善图像视觉效果。为了有效的降低雾霾等恶劣天气情况下外界因素对图像的干扰，提高雾霾图像的清晰度，增强采集图像数据的有效性和可用性，在理论和现实方面都对雾霾天图像增强技术研究有很大需要，并且也能最大程度上保证在恶劣天气下室外成像系统能正常可靠工作。本课题拟从图像增强算法角度出发，研究雾天降质图像的增强处理算法，探讨雾霾天退化图像特性，进行雾霾图像增强处理研究，改善去雾效果，便于解决人们生产生活中的图像方面的难题。

目前来说，最流行的处理雾霾图像的方法当之无愧是Retinex方法。它是由Land在20世纪60年代提出的一种颜色恒常的理论，随后Blake等人通过Retinex与泊松公式相结合，改进了Retinex方法，之后Funt与Jobson分别提出了非线性滤波方法和经典的中心环绕算法。对于其他去雾方法的研究，国内外也取得了很大的进步。王萍等人提出了插值自适应均衡化方法，解决了雾化图像较低对比度的问题，翟艺书等人通过字块重叠直方图均衡化方法实现了图像去雾。上述方法都是针对图像增强方面的方法。在这个阶段，基于大气模型所展开的图像的复原的方法也取得了很大的进步。Narasimhan曾经提出了在不同的天气条件下，对比计算同一个场景的的多幅图像获取场景深度的方法。其后在Narasimhall的基础上，陈功等人则利用一幅晴天的图像为先验条件，估算出不同场景深度的比例关系，然后利用大气散射模型实现图像去雾。

2. 研究的基本内容与方案

2.1研究的基本内容

（1）雾霾图像退化原因及特征。

（2）常用图像增强算法。

（3）基于直方图均衡的雾霾图像处理方法。

（4）基于Retinex算法的雾霾图像处理方法。