杨 燕，张浩文，张金龙

（兰州交通大学电子与信息工程学院，甘肃兰州730070）

1 引 言

在雾霾条件的场景下，由成像设备获得的图像存在细节丢失、对比度和能见度下降等问题，尤其在景深区域更加严重，这是由于大气中大量微小颗粒对光线的吸收和散射作用导致的。这对计算机视觉应用造成了困难，例如户外监控系统、目标跟踪以及场景分析等。有效的图像去雾算法对于计算机视觉系统更好地运行具有重要意义。

针对图像去雾提出的众多方法中，目前主要分为两大类：传统的基于图像效果算法和基于深度学习的算法，其中基于图像效果的算法可分为基于图像增强的算法［1-2］和基于图像复原的算法［3-5］。其中基于图像增强算法的基本思想是突出图像的某些信息从而达到图像增强的效果，由于不考虑图像退化的原因，恢复图像往往不太自然。基于图像复原的算法是通过分析图像降质的本质，建立大气散射模型，利用一些先验知识或假设，估计散射模型中的必要参数，再通过散射模型反推出无雾图像。基于图像复原的算法往往可以实现较自然的去雾效果，是图像去雾研究的热点方向。基于深度学习的算法往往需要大量的样本训练，由于目前没有大量真实的有雾图像数据集，用于训练的都是经过合成的有雾图像数据集，所以恢复图像存在缺陷［6-10］。

近年来，基于先验知识或者假设的单幅图像复原去雾算法获得重大突破。这类方法的注意力在于对大气光值和透射率的估计。……