1. 研究目的与意义（文献综述包含参考文献）

近年来国内的雾霾天气逐渐由中东地区向全国蔓延。雾霾自2013年起开始成为人们对天气关注的关键词。雾霾是特定气候条件与人类活动相互作用的结果。高密度人口的经济及社会活动必然会排放大量细颗粒物（pm2.5），一旦排放超过大气循环能力和承载度，细颗粒物浓度将持续积聚，此时如果受静稳天气等影响，极易出现大范围的雾霾。而现今社会是一个高度复杂的人口密集型社会，人们的活动方式越来越多样、活动范围越来越大，使汽车成为了重要的交通工具，但随着我国工业化进程加快，造成了雾霾等恶劣天气，对交通存在着巨大安全隐患。在雾天情况下，弥漫在空中的雾气和尘埃模糊了人们的视线，使得景物的能见度大幅降低，造成驾驶员的视觉模糊，是我国车祸的重大原因之一。并且在雾天条件下的室外获得的图像会受到严重的退化，图像目标的对比度和颜色等特征被衰减，这大大降低了图像的应用价值。即使在晴朗的天气条件下拍摄的照片，由于大气的散射作用，照片的清晰度同样受到影响。因为在每一个实际的场景中，光线在到达相机之前，都会从物体表面反射出来而且散射在空气中。这是因为空气中存在的浮质，像灰尘、雾和烟等，这些因素导致物体表面颜色变淡和整幅图像的对比度降低。这给工业生产及人们的日常生活带来了很大影响。例如城市交叉路口图像监视系统，在恶劣天气条件下得到的退化图像会对判断车辆信息和监控交通情况造成极大的困难；在军事侦察或监视中，退化图像对信息的识别与处理会造成偏差，而这种偏差的后果是非常严重的；遥感探测中退化图像同样会对后续的信息处理产生很大的干扰。因此许多领域都要用到去雾算法。有雾图像特征清晰化的研究具有非常重要的意义。

雾天场景恢复是一个十分困难的问题, 因为雾对图像的影响程度与场景深度相关, 然而图像深度的获取却是一个不完全约束的问题。目前,现有的图像去雾方法主要分为两大类，一是基于图像增强的处理方法，二是基于物理模型的场景复原方法。图像增强方法又称非模型的方法，目前国内外采用较多的是直方图均衡化算法以及基于retinex理论的多尺度彩色图像增强算法。直方图均衡化算法是图像增强中一种常用的方法，该算法以概率论为基础，基于空间不变思想，运用灰度运算来实现直方图的变换，从而达到增强图像的目的，更适合于景物深度变化很小的图像。而目前单幅图像增强更广泛使用的方法是基于物理模型的场景复原方法。该方法是通过大气散射模型恢复场景的反照率但大气散射模型是个欠定方程无法通过解方程求出场景的反照率。传统的去雾方法往往只能有限地提升降质图像的清晰度，由于忽略了真实图像的雾气分布不均的事实而以整体统一处理的方式去雾，致使图像某些部分显得不够清晰，而某些部分却因过度处理而失真。近年来，众多研究者致力于如何针对单幅降质图像按照图中雾气浓度的变化，利用雾化图像本身构造约束条件，估算大气散射模型中的参数，还原场景的反照率达到彻底去雾的效果。在这方面的早期工作是由tan 等人完成的，他们通过统计发现无雾图像相对于有雾图像必定具有较高的对比度，从而利用最大化复原图像的局部对比度来达到去雾的目的，该方法的缺点在于复原后的图像颜色常常过于饱和。此外，fattal 等人在假设光的传播和场景目标表面遮光部分是局部不相关的前提下，估计出场景的辐照度，并由此推导出传播图像。由于该方法基于数理统计，并且要求具有足够的颜色信息，所以当处理浓雾天气下颜色暗淡的图像，该方法无法得到可信的传播图像，从而复原后的图像失真较大。为了解决以上几种方法的问题，何恺明等人最近提出了基于暗原色的单一图像去雾技术。该方法通过收集大量不受雾气影响的图像，发现了一套能识别雾气浓度的暗原色统计规律。即把图像分成多个子块，每个子块中都有一些亮度很低的像素。这些”黑点”通常存于物体阴影、黑色物体以及具有鲜艳颜色的物体中。根据这一规律，只需按雾气浓度局部修复图像各部分的颜色，就能有效地达到很好的去雾效果，但当场景目标的亮度与大气光相似时，暗原色先验信息将失效。这些方法尽管在解决问题的思路上存在着根本的区别，但是由于各种方法各有优缺点，所以在实际应用中，根据需要多采用”累试法”进行处理。即对于一幅有雾图像，根据研究人员的判定来处理，如果采用增强方法改善灰度对比度的效果好，就采用增强方法，若采用图像复原方法可行，就依据退化模型进行复原处理。

从国内外对图像增强和建立物理模型复原的去雾应用中，我们不难看出两者都存在着一定的缺点，而本次设计基于matlab开发软件平台，分别采用自适应直方图均衡化、中值滤波算法、导向滤波算法实现雾霾天气图片的清晰化处理，并对比这三种算法恢复的无雾图像效果从而研究出去雾效果最为明显的方法。

2. 研究的基本内容、问题解决措施及方案

本课题要解决的主要问题:雾霾天气图片的清晰化处理

本课题的设计要求实现功能如下：

1.利用自适应直方图均衡化实现图片去雾；