唐云鸢 冯 辉 徐海祥

(武汉理工大学交通学院1) 武汉 430063) (高性能船舶技术教育部重点实验室2) 武汉 430063)

0 引 言

航行环境智能感知与分析作为智能航行的关键技术之一，通过目标检测、目标识别以及目标跟踪使智能船舶实现自主航行与避障[1-2].智能船舶通过视觉成像系统获取的周边环境信息对近景进行监视，主要由可见光摄像头组成.因恶劣天候因素的影响，海上常常伴有海雾出现.摄像头拍摄出的景物受到悬浮颗粒的散射作用，可见度与对比度发生大幅度降低，严重影响了智能船舶视觉系统的性能.提高雾气环境下所获图像的清晰度是智能船舶实现智能感知周边目标与障碍物等技术手段的重要前提.

单幅图像去雾方法包括基于图像增强的方法和基于物理模型的方法[3].Land等[4]提出了视网膜皮层理论(Retinex理论).此类方法未考虑雾的形成原理以及对图像影响的物理学基础，从而导致恢复出的图像部分信息缺失，或因过度处理而产生失真的现象.随后几年基于物理模型的方法逐渐成为研究主流.Tan[5]基于大气光的颜色与亮度相互独立的假设，提出基于马尔科夫随机场的去雾方法.Fattal[6]假设物体对光的反射率与其表面光强照度不相关推算透射率，但该方法需要足够的物理色彩信息，不适用于浓雾场景.He等[7]提出了基于暗通道的先验算法，但该方法对不满足暗通道先验理论的明亮区域的恢复结果会出现明显的图像失真.文献[8]提……