李欧迅，邓 莉

（桂林航天工业高等专科学校 电子工程系，广西 桂林 541004）

1 车载视频清晰化算法的研究意义

能见度在气象学中指物体能够被清楚识别的最大距离，它与当时的天气情况密切相关。当出现雾、霾和沙尘等恶劣天气时，大气透明度降低,能见度一般小于1.0 km。低能见度条件下拍摄的图像其对比度和颜色在天气影响下被改变，图像蕴含的许多特征被掩盖，景物可辨识度大大降低。

目前国内外研究最多的清晰化算法是图像的去雾技术，主要有两种思路，一种是基于大气退化物理模型的方法,需要求得深度信息[1-2],这对硬件系统的要求过高；另一种是基于图像增强的方法[3],运算量很大,不适合实时处理。2009年，He等提出的暗原色先验去雾技术对一般带雾图像取得了很好的效果[4],它无需深度信息，简单有效，实时性高，但是通过实验表明，该算法处理其他天气类型图像的效果不佳。本文在该算法基础上进行了改进,使其适用于恢复各种低能见度天气下的交通图像。

2 低能见度条件下车载视频的清晰化算法

2.1 大气散射模型

恶劣天气引起图像质量下降的主要原因是大气粒子的散射作用，用于描述图像退化过程的大气散射模型如下：

式中I是观测图像，J是景物光线强度，即所求清晰图像，A是大气光线强度，t为透射率。图像清晰化就是从I中复原J，这需要先估计t和A的值。

2.2 暗原色先验去雾算法

暗原色先验由对户外图像的统计规律得出，在绝大多数非天空的局部区域里，某一些像素总会有至少一个颜色通道具有很低的值，即暗原色。……