何惜琴， 陈冬冬

(闽南理工学院 电子与电气工程学院，福建 泉州 362700)

1 引 言

雾霾的存在使得场景视见度降低，造成机器设备拍摄的户外图像严重退化，色彩保真度不足，细节辨识度较差，影响了图像在安防监控、检测识别与分析等场合的应用[1-3]。为了降低雾霾对户外图像的干扰，有必要研究针对有雾图像的清晰化处理，这对于提高图像系统的有效性和适用性具有积极的促进作用[4-5]。

基于大气散射模型和深度学习的去雾方法成为近年来的研究热点。深度学习去雾通常采用神经网络对大量数据集进行训练，然而雾天场景具有多样性的特点，训练的样本数量和多样性受限将导致场景适应性不足。模型去雾算法分析雾气形成的因素，充分利用先验假设信息从根本上去除雾气影响，适用场景更广。He等人[6]通过观察大量自然图像得出规律：无雾图像的大多数局部块中至少存在某一颜色通道值很低的像素点，而受雾气影响的图像会使得这些通道值升高。利用这一先验规律估计景物透射率和大气光强度，再采用软抠图对透射率进行优化修复，取得了较好的去雾结果。Meng等人[7]利用约束条件对透射率进行细化，再通过正则化对恢复图像建模，在提升图像对比度的同时，减少了噪声干扰。Zhu等人[8]首次将颜色衰减先验信息用于透射率的计算，并借助监督学习对景物深度进行估计，恢复的图像具有色彩鲜艳、细节清晰的特点。Cai等人[9]将透射率的估计融入端到端的深度训练系统，再通过大气散射模型复原清晰结果。……