刘跃元,王 梅,曾俊杰,吴慕云,李 强

(成都理工大学 信息科学与技术学院(网络安全学院、牛津布鲁克斯学院),成都 610059)

雾霾等恶劣天气通常会影响计算机系统视觉在日常生活和生产活动中的应用,例如:城市交通监控系统,军事侦察等[1].所以,降低雾霾等恶劣天气对图像质量的影响及对在智能交通、军事侦察等领域具有直接的应用价值.如今关于雾天图像复原的算法种类繁多,总的来说,有以下两种分类:一类是基于图像增强的方法,但是对于有着复杂的结构场景的有雾图像在该类方法处理下去雾效果并不明显;另一类是基于物理模型的图像去雾的方法,这种方法是构建大气散射模型,复原出无雾图像[2].

近年来,基于物理模型的图像复原算法已经有了很大的进展.Fattal 利用大气散射模型,用数理统计的方法去假设条件,获取透射率,但该方法不适用于浓雾天气或者灰度化的图像[3].Meng 等根据分离变量的方法求取透射率,但是去雾后的图像存在一定的色差[4].Tan 等对大气光强的最优解进行估计获取去雾图像,但去雾后的图像存在饱和度过高的问题[5].Tarel 等利用改进后的中值滤波算法对大气光强的值进行估计,但是对于突变的景深区域,去雾后可能产生光晕现象[6].He 等提出了著名的暗通道先验理论,由于处理过程中计算量大且复杂,该算法的执行效率极低,不具备实时性[7];随后,He 等提出采用引导滤波算法[8],改进后的算法大大地降低了算……