火元莲,郑海亮,陈萌萌,李俞利,张婧博,李 明

(西北师范大学物理与电子工程学院,甘肃 兰州 730070)

1 引 言

在雾霾天气条件下,渗透在空气中的雾、小颗粒尘埃和胶溶质颗粒通过散射和吸收可见光使得图像采集设备所获取的图像对比度和颜色饱和度下降,许多细节信息丢失[1-4],导致图像严重退化模糊,从而直接限制和影响了诸如智能导航、交通监控、航空航天等户外视觉监控系统[5-6]效用的发挥。因此,图像去雾技术的研究十分有必要而且具有重要的现实意义和应用价值。

目前对于雾霾图像的处理方法主要有三种:一种是基于图像增强的方法,例如全局直方图均衡化算法、同态滤波算法、小波变换算法和Retinex算法等,这类算法不考虑图像退化的本质原因,只是一味地增强图像的对比度、提高亮度,致使图像的细节信息损失较多。另一种是基于图像复原的方法,通过建立大气散射模型,根据散射原因反演退化过程,补偿退化造成的失真,以便改善雾霾图像的质量,在该类算法中尤其是基于先验信息的单幅图像去雾研究在近年来取得了大量的研究成果。如Tan等[7]通过使用最大化复原雾天图像的对比度来达到去雾的目的,但是该方法处理后的图像颜色过于饱和,看起来很不自然；Tarel等[8]在景深突变区域,采用中值滤波而使去雾后的图像往往会出现光晕效应,并且该算法参数较多,不易调整,在实际应用中存在诸多不便；Fattal等[9]假设透射率和场景目标表面投影在局部不相关,并通过独立成分分析法来估计场景的透射率,最终实现图像的去雾,但是对于颜色信息比较少的浓雾图像去雾效果较差；……