黄鹤,胡凯益,宋京,王会峰,茹锋,郭璐

(1.长安大学电子与控制工程学院,710064,西安; 2.西北工业大学无人机系统国家工程研究中心,710072,西安)

视觉系统成像时易受到雾霾等因素干扰,导致图像质量退化[1]。目前主流的去雾方法是基于物理模型,场景深度的获取是求解模型参数的关键,而透射率则描述了光线的传播能力,与场景深度密切相关。因此,国内外学者通过分析雾霾图像特征,提出了诸多先验假设条件,通过定义满足目标函数和约束方程,使用优化方法求解模型参数并复原图像。目前主流的是局部先验理论,如Tan等人提出的最大化图像局部对比度理论,通过马尔可夫模型实现图像去雾[2],但在提高图像局部对比度过程中可能造成图像颜色畸变和失真,且在景深不连续区域去雾不均匀。He等人提出的暗通道先验理论是目前去雾领域最成熟的先验理论[3],但对含雾图像中天空及白色区域部分不成立,易出现失真[5-6]。Zhu等人提出了颜色衰减先验理论[14],较好地缓解了天空部分失真严重的问题,但对浓雾区域去雾效果不佳,且透射率求取精度不高,易出现“光晕效应”。因此,局部先验理论针对实际场景复杂多样,往往理论不成立、忽略图像区域间内容的相关性易受极值区域影响,导致透射率求解精度较低。Berman等人通过分析含雾图像在RGB颜色空间的像素分布,首次提出了雾霾线非局部先验理论[8],并对该理论进行了进一步完善[9],避免光晕和伪影效应,提高了透射率估计精度,但仍存在偏差,且簇内像素数量较少时估计精度降低,导致透射率含有噪点。……