1.1 研究意义

雾是一种常见的自然现象，在我国，由于空气污染的影响，很多城市更是经常受到雾霾天气的困扰。在雾霾天中，由于空气中的雾气、灰尘、小水滴等细小悬浮物的影响，会极大地影响人视线。在这样的天气下拍摄的照片也往往会模糊不清。实际上，我们可以将物体被照相机捕捉到的像分成两个部分。一个是物体直接反射大气光照形成的光束经过衰减后到达镜头的部分，另一部分是其他物体反射的光线，经过衰减和散射后到达镜头的光束。这两种效果叠加后，就形成了我们看到的图像，这个过程类似各个物体反射的光，取了加权的平均值后形成图像。显然，这样所拍摄到的图像的对比度会降低，并且整体接近大气的光照的色彩。

现实生活中，很多情况下有雾图像是非常不利的。比如在机场、交通监控、航空摄影等场合，我们必须想办法获得没有雾的清晰图像。因此，对有雾图像进行处理并获得无雾图像的算法研究是十分有用的。而更进一步，通过硬件的加速，实现更快的图像去雾，并应用到视频的处理中，对现实生活的很多领域都是非常有意义的。

1.2 国内外研究现状

过去的十余年里，相关的研究者提出了很多的算法来实现图像的去雾，主要包括基于图像增强的算法以及基于物理模型的算法。基于图像增强的算法更关注图像的对比度和细节，去雾后的结果更加清晰，然而相比原图会产生色彩的畸变。基于物理模型的算法从有雾图像的退化机制入手，恢复原始图像，由于考虑了有雾图像的形成机制，能更真实地还原出原始图像，所以成为了近年来主要的研究方向。

目前的雾天图像清晰化处理方法有很多，主要可以分为两大类：第一类是基于图像增强的方法，这类方法是对被降质的图像进行增强，改善图像的质量。这种方法优势在于可以应用已有的成熟图像处理算法，可以对常用的图像增强算法进行针对性的运用和改良，增强图像的对比度，突出图像中景物的特征和有价值的信息。但是，这种方法可能会造成图像部分信息的损失，使图像失真。第二类是基于物理模型的方法，这种方法通过研究大气悬浮颗粒对光的散射作用，建立大气散射模型，了解图像退化的物理机理，并反演复原出未降质前的图像。这是一类专门针对雾天图像的图像复原的方法，复原出来的图像效果真实，贴近降质前景物原景，对复杂场景的图像处理效果较好，图像信息得到较完整的保存。

2. 研究的基本内容与方案

2.1 研究的基本内容与目标

本次毕设基于暗通道先验和 Retinex 理论的快速单幅图像去雾算法。首先，利用值域范围实现大气光值估计，并通过白平衡处理实现大气散射模型简化；其次，基于暗通道先验得到介质传输率的初始估计，并从简化大气散射模型出发，利用 Retinex 理论实现介质传输率的粗略估计，通过图像融合、联合双边滤波和值域调整得到介质传输率的最终估计；最后，利用简化大气散射模型，通过色调调整实现图像复原，获得去雾图像。

2.2 拟采用的技术方案

本次毕设所采用的基本框图如下：

在大气散射模型中采用减小大气光取值范围的方法，通过区间估计，提高大气光值估计的精确度和鲁棒性。WP (White point) 算法，也称为 Max-RGB 算法，利用 R，G，B 颜色分量的最大值来估计光照的颜色。本文利用估计的大气光值对大气光照进行白平衡处理，即将大气光照的颜色校正到灰度轴方向上。

对于介质传输率，模糊图像可分解为两幅不同的图像：入射光图像和反射物体图像。其中入射光图像描述了图像的低频信息，反射物体图像包含了图像的高频信息。Retinex 理论的目的就是忽略入射光图像的性质，获得物体的反射性质从而达到颜色恒常，实现图像增强的效果。 经过高斯卷积处理后，先得到介质传输率的粗略估计，介质传输率的粗略估计整体偏暗，所以对初始估计的灰度值进行线性搬移。再进行联合双边滤波，经过联合双边滤波处理后，输出介质传输率的边缘特性得到了显著提高。当雾图中存在大面积天空区域时，天空区域的介质传输率被低估，导致复原图像在这些区域容易出现颜色失真。通过引入一个参数来判断大气光值 A 与暗通道差值绝对值大小，从而判断雾图中是否含有明亮区域，并人为改变传输率函数。该方法可以获得较好的视觉效果，但需针对不同图像进行参数调节。

最后图像复原，为了提高复原图像的清晰度和对比度，引入参数β对大气光幕进行调整。在雾天条件下，由于大气光的作用，复原图像通常会偏暗。因此有必要对去雾后复原图像进行色调调整，以提高复原图像的细节和对比度。采用自适应对数映射算子对复原图像进行色调调整。经过色调调整后，复原图像的整体亮度和对比度得到了提高。

[1] 李利荣。 单帧图像快速去雾技术研究与实现[D]。华中科技大学，2017。