王巧月 陈树越 赵 双

(常州大学信息科学与工程学院 江苏 常州 213164)

0 引 言

悬浮在大气中的小颗粒造成光的散射，使获得的图像或视频的对比度和颜色质量下降[1]，限制场景中远区域的可见性，降低了计算机视觉系统的性能。大雾天气下交通监控获取的模糊图像无法获取有用的车牌信息，导致智能交通系统中的车牌识别环节效率大大降低，甚至无法正常工作。

雾随着成像场景深度的增加而增加，由于二维图像中缺乏深度信息，所以早期的去雾方法依赖于外部信息[2]，但是通常情况下外部信息不可用，降低了方法的实用性。单图像去雾方法应运而生，其一般不需要依赖外部信息。根据图像雾度与深度有关，可知雾图的清晰度是空间变化的[3]，因此可得出雾图形成的物理模型，但大多数现有的单图像去雾方法还需要施加额外的先验信息，如He等[4]提出的暗通道先验(DCP)，Tan[5]提出的对比度先验以及Zhu等[6]提出的颜色衰减先验[6]。利用图像增强技术的图像去雾方法不依赖于物理模型。比较常用的图像增强去雾方法包括直方图均衡化法、同态滤波法、小波变换法、曲波变换法和Retinex算法[7]。为解决大雾天气下车牌识别困难的问题，很多研究将图像去雾算法加入车牌识别中，但其中多数为单纯改进去雾算法或者改进车牌识别算法。如将改进的Retinex算法应用于车牌识别中[8]，或者应用于车牌检测的改进暗通道去雾方法[9]，但目前并没有针对雾天车牌特点的特定去雾算法。……