齐 卉，孙 超，苏 通，马俊智，朱勇杰，丁建军

（江汉大学 a. 人工智能学院，b. 智能制造学院，c. 爆炸与爆破技术研究院，湖北 武汉 430056）

0 引言

工业促进了人类社会的发展，随之而来的是空气污染越来越严重，空气中悬浮的尘粒和水滴在大气光的散射和吸收下形成雾霾。雾霾天气条件下，自然光受空气中悬浮粒子的干扰发生散射，使所获取的户外图像对比度和色彩饱和度降低，图像细节模糊不清，其视觉效果会显著降低，从而限制了景物的识别，造成一些户外图像采集装置无法正常工作［1−2］。计算机视觉应用领域如智能交通、遥感探测、安全监控等，其有效性与采集到的图像的可视性息息相关，对图像质量要求较高。因此，对雾霾天气所采集的退化图像做清晰化处理具有重要的现实意义。

目前，图像去雾算法主要分为两类：一类是基于图像特征的去雾算法，即图像增强算法，另一类是基于物理模型的去雾算法，即图像复原算法［3］。基于图像特征的去雾算法主要通过增强图像的对比度，突出图像细节，改善整体视觉效果达到去雾目的，不考虑图像降质的原因，实用性强，但可能会造成信息损失或过增强现象。典型算法有直方图均衡化、Retinex 算法、同态滤波、小波变换等，其中，以图像色感一致性为理论基础的Retinex 算法受到研究者广泛关注，该算法在单尺度Retinex（single−scale Retinex，SSR）算法的基础上通过改进发展成多尺度Retinex 算法（multi−scale Retinex，MSR）与带色彩恢复的多尺度Retinex 算法，在彩色图像增强领域取得较好成果［4］。……