魏红伟，田 杰，肖卓朋

（1.湖南大学 信息科学与工程学院，湖南 长沙 410082；2.张家界航空工业职业技术学院，湖南 张家界 427000）

0 引言

随着工业的飞速发展，大气污染越来越严重，由此带来的雾霾天气使室外拍摄的图片和视频发生质量退化现象，给智能交通带来很大安全隐患。此外，室外监控与遥感系统也会因浓雾对成像的退化作用而发生瘫痪。因此，提高雾天图像质量是目前亟待解决的重要问题。

雾霾天气下室外能见度低，这是由于空气中存在大量细微颗粒，光线从物体表面反射回来并向成像设备传播的过程中，这些颗粒对大气中的光线产生折射和反射作用，导致图像对比度下降，边缘与纹理信息丢失，使最终生成的图像或视频不能真实描述所处环境。这种场景辐射衰减与大气光散射叠加会随着传播距离的增加而逐渐累积，进行去雾操作时需要从给定的单幅雾图中同时恢复未知的大气环境光以及场景深度，因此恢复无雾原始图像是一项极具挑战的任务。为提高雾霾环境下图像的采集质量，降低尘雾天气对户外成像系统带来的不利影响，国内外学者对图像去雾技术开展了大量研究，根据去雾算法原理，可将其分为基于多幅图像的去雾算法、基于图像增强的去雾算法、基于物理模型的去雾算法以及基于神经网络的去雾算法4 种，其中基于物理模型的去雾算法与基于神经网络的去雾算法是目前该领域的主流解决方案［1］。……