火元莲，郑海亮，李 明，张 健

(1.西北师范大学物理与电子工程学院,甘肃 兰州 730070; 2.甘肃省智能信息技术与应用工程研究中心，甘肃 兰州 730070)

1 引言

雾和霾是常见的自然天气现象,主要是由于大气中的悬浮固体颗粒物、水蒸气和气溶胶颗粒等介质对光的反射、散射和吸收现象而形成的[1,2]。在雾天场景下使用图像采集设备拍摄的户外图像质量严重下降，导致图像的细节缺失、对比度下降和颜色失真，直接影响了人们对图像的视觉感知，严重影响了监控和交通系统的性能[3 - 5]。因此，对雾天图像的去雾处理十分重要而且具有重要的应用价值。

目前，针对单幅雾图的处理方法主要分为3大类：图像增强、图像复原和深度学习。基于图像增强的处理方法一般不考虑图像降质的根本原因，而是通过对比度增强来进行去雾，单纯地增强了人们的视觉感受，但是图像的细节损失较多。此类方法常用的算法有直方图均衡算法[6]、小波变换算法[7]和Retinex变换算法[8]。基于图像复原的处理方法是通过对图像降质物理过程的观察和分析建立其退化模型，补偿退化造成的损失，最终通过反演得到去雾图像。其中，Tan[9]使用马尔可夫随机场来最大化地增加雾天图像的对比度，进而达到去雾的目的，但是得到的去雾图像颜色过饱和且带有光晕；Tarel等[10]采用中值滤波进行去雾，但在图像的景深突变处的处理效果不好，并且该算法参数繁多，不便使用；He等[11]通过搜集大量无雾图像并进行观察分析，得出每个区域总有一个颜色通道值等于或接近于 0 的先验知识，于是提出了暗通道先验理论并应用于去雾处理中，但是当景物颜色和天空颜色接近时，暗通道先验会失效，复原出的去雾图像会有明显的失真；……