田 源

(河南牧业经济学院，河南 郑州 450044)

1 前 言

利用遥感图像可以对现代化农业进行精准作业，但是在雾霾天气条件下，大气粒子的散射使得成像质量较差，存在色彩失真、模糊不清，从而导致图像信息不易提取。因此农业图像去雾对提高现代农业效率具有重要意义[1]。

目前大多数研究是利用有雾图像本身条件，估算出大气光强度值以及雾化透射率。Fattal R[2]通过独立分量分析的方法估计雾气场景的反射率，结合马尔可夫随机理论判断图像颜色，最终减少图像雾化程度，但是马尔可夫进行数理统计需要足够多的颜色信息，因此浓雾状态以及较暗图像的去雾效果不好；Tan R T[3]通过最大化图像的局部对比度达到去雾目的，但是去雾图像容易过饱和，且在边界处易产生光晕现象；Tarel J P等[4]通过中值滤波对有雾图像操作，估算出大气散射光值，但中值滤波没有对图像边缘优化，在图像较小边缘区域去雾效果不佳；He K M等[5]利用暗通道先验来求取粗略透射率，利用软抠图算法优化透射，但是对于图像高亮区域无法进行暗通道先验方法；Nishino K等[6]采用贝叶斯概率模型对图像去雾，能有效减少雾的影响，但要通过统计先验求解概率模型；Laurence M L等[7]通过自适应滤波的方法对光照进行估计，较好地消除了光晕现象，但该算法需要逐点进行计算，算法的时间复杂度较高。

本文采用均值聚类和循环导向滤波算法(mean clustering and loop guided filtering,MCLGF)对农业图像去雾，任意选取两个子特征向量作为初始聚类中心，将有雾图像通过均值聚类分为天空区域和非天空区域，在天空区域中求取原图的最大像素值作为大气光值；……