全文总字数：5780字

摘 要：图像去雾方法是为了有效提高有雾图像的对比度，并同时恢复有雾图像的颜色特征及图像包含的细节信息。当有雾图像经过去雾后，清晰图像可以使人们或者相关仪器更容易进行信息的获得或提取，从而得到更好的决策方案。因此，对现存的图像去雾算法进行改进具有较大的实用价值和研究价值。目前，在图像去雾技术领域中，有最重要的两大类算法：1、基于图像增强的去雾算法。2、基于图像复原的去雾算法。其中，图像直方图均衡化的去雾算法、基于小波变换的去雾算法、基于retinex理论的图像去雾算法属于基于图像增强的去雾算法。另外，依赖辅助信息获取图像景深分布图的图像复原算法与不依赖辅助信息获取图像景深分布图的图像复原算法属于基于图像复原的去雾算法。然而在实际情况下，这两大类方法都各有有其局限性，对此，何恺明教授提出的暗原色理论能够较好的处理利用单幅图像难以获取精确的图像景深的缺陷。但暗原色理论也有其缺陷，但此理论依旧是图像复原领域中的重要突破理论之一，在暗原色理论的基础上，对算法进行改进是后来者进行更进一步的研究的重要方法之一。

关键词：图像去雾；图像增强；图像复原；暗原色理论

引言

在21世纪中，随着我国经济的蓬勃发展，城市建设，工业生产等会产生相当多的悬浮微粒，一般情况下，自然光线在雾、霾和大风等恶劣的天气环境下传播时会与空气中的悬浮微粒发生碰撞，导致光线被散射，从而图像采集系统捕获的户外自然场景的图像会出现对比度和颜色等特征衰减的现象，这样的现象会对图像质量造成极大的损害，使得户外监测系统难以正常发挥其应该完成的功能。为了解决上述自然现象或污染现象造成的图像降质问题，进行有雾图像的清晰化复原成为了一个非常实用且亟需研究的课题内容。通过对有雾图像进行去雾处理，来获得目标的准确信息，这一方法在交通道路的监测系统、遥感监测系统、商场银行等公共场所的监控及计算机视觉领域中都有着十分重要的作用^[1]。因此，加强图像去雾处理方法对于人类的生产生活活动有着重大意义。

2 研究现状

到目前为止，图像去雾技术领域中，最重要的有两大类算法：1、基于图像增强的去雾算法^[2]。2、基于图像复原的去雾算法^[3]。

基于图像增强的去雾技术

基于图像增强的去雾算法，该算法在思路上仅仅考虑到雾天图像整体的亮度比较低、对比度比较低等特征，而将有雾图像降质的原因忽略了，因此在操作上，它直接对图像中感兴趣的细节信息进行了增强，这样做主要是为了完善并提高去雾图像的总体画质。其中，依赖于图像增强算法进行去雾的方法大概有三种，分别是：1、图像直方图均衡化的去雾算法^[4]，2、基于小波变换的图像去雾方法^[5]，3、基于retinex理论的图像去雾算法^[6]。

2.1.1图像直方图均衡化的去雾算法

该算法对图像进行直方图均衡化处理，可使原本比较少像素的灰度分配到其他的灰度中，处理后灰度范围变大，对比度变大，能有效提高图像细节。直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。通过这种方法，亮度可以更好地在直方图上分布，可用于增强局部的对比度而不影响整体的对比度。此类算法又由两种算法组成，第一种为全局直方图均衡化算法^[7]，第二种为局部直方图均衡化算法^[8]。

全局直方图均衡化算法，利用算法实现对全局图像的整体直方图均衡化操作。该算法优点是操作简单且计算量小；而缺点是在思路中没有考虑到雾天图像的降质程度随目标和图像采集设备之间的距离的变化而发生改变，因此当有雾场景中的场景信息十分丰富的情况，去雾得到的图像就会表现出细节不突出的问题，导致去雾图像效果不是十分理想。

局部直方图均衡化算法，把整幅目标图像拆开，得到多个拆分后的局部目标图像，然后对所有局部目标图像分别进行直方图均衡化操作。该算法能够把整幅图像的每一个局部区域的对比度进行增强的优点；但此方法还是有明显缺陷的，和全局直方图均衡化去雾算法相比，运算量很大且复杂，另外，对于图像中存在变化并不剧烈的区域，此方法会把该区域进行过度增强。经上述分析，可以知道利用该算法去雾得到的图像不仅不会满足实时性要求，而且也会导致去雾后的图像看起来不真实。