王道累，张天宇

图像去雾算法的综述及分析

王道累，张天宇

(上海电力大学能源与机械工程学院，上海 200090)

图像去雾是以满足特定条件下应用需求为目的，通过对有雾图像进行分析和预处理，突出图像中的细节信息使之更加适合人机识别的一种图像预处理方法。在雾天条件下拍摄到的图像因为雾霾的影响导致图像可能会存在细节丢失、对比度低的情况，将会影响图像后续的分析识别工作。经归纳总结目前图像去雾算法的研究现状，主要包括基于图像增强、图像复原以及卷积神经网络3类去雾方法及其改进算法，对其中的一些算法进行了实验、评价及优缺点分析，并对未来的发展进行了展望，对算法中的难易点提出了一些参考的建议，促进了图像去雾算法的进一步发展。

图像增强；图像去雾；图像处理；卷积神经网络

由于卷积神经网络(convolutional neural network, CNN)强大的学习能力，人工智能、深度学习等领域成为当前的研究热点[1]，目标识别、目标跟踪等技术在生活中应用的越来越广泛，如变电站无人巡检、自动驾驶等，图像质量的好坏将会影响着系统能否正常运行。在雾天情况下，空气中存在大量的悬浮颗粒物，会对光线产生散射，导致物体反射出的光线发生衰减，同时反射光与观察者直接接受到的光线发生混合，造成观察者获取到的图像的对比度和清晰度等特征都发生改变，细节信息大量丢失[2-3]。因此需要去雾算法来对此类低质图片进行预处理，保证系统的正常运转。……