任 敏 敏

(武警工程大学 信息工程学院，西安 710086)

1 引 言

对于户外机器视觉系统而言，雾是影响成像质量的重要因素.受大气中悬浮颗粒对光线散射作用的影响，雾天条件下拍摄的户外图像往往会出现远景目标能见度差、对比度低、颜色失真等质量退化问题，为后续的机器视觉任务，如目标的识别和跟踪、交通监控、智能导航等，带来障碍和挑战.因此，有效地对雾天图像实施去雾，是确保户外机器视觉系统克服雾天成像影响，稳定工作的重要前提.

传统的图像去雾算法主要分为两类：一类是图像增强处理，另一类是基于大气散射成像模型的去雾算法.图像增强处理主要是通过增强图像对比度，突出景物特征来实现去雾，如直方图均衡化[1]、伽马校正[2]、Retinex算法[3]、小波变换[4]等等.这类算法不研究雾天图像成像的机理，仅利用增强算法进行图像清晰化处理，对图像中的浓雾区域，复原效果较差，细节信息易丢失.

而大气散射成像模型的去雾算法多利用统计的先验知识，估计模型中的物理量，如透射率，来实施去雾.如He等人[5]提出的暗通道先验去雾算法.它发现清晰无雾的户外图像中，一个局部区域内总有像素在一个颜色通道中的灰度值趋近于零.利用此暗通道先验可有效计算透射率.Fattal等人[6]利用图像中局部邻域内的像素值在RGB颜色空间呈一维线性分布特性来估计透射率.Berman等人[7]提出了非局部先验去雾算法，它利用无雾图像中颜色信息在……