杨 燕，梁小珍，张金龙

（兰州交通大学 电子与信息工程学院，甘肃 兰州 730070）

1 引 言

视频监控等智能设备在计算机视觉系统应用中起着重要的作用。由于雾、霾天气的存在，使得成像设备采集到的图片降质严重，不能很好地监测到目标物体，给视觉系统带来极大的不便［1-3］。因此，图像去雾有着很重要的现实意义、研究价值以及实用价值。

目前，图像去雾方法主要为基于物理模型和基于深度学习的方法。基于物理模型的方法从图像降质的本质出发，以大气散射模型为依据，通过估计大气光和透射率，逆向推导降质公式，从而得到无雾图像。He等人［4］对大量户外无雾图像统计发现：在非天空和高亮区域，其像素点的某一个颜色通道具有非常低的像素值，提出暗通道先验DCP。Zhu等人［5］通过统计有雾图像的颜色信息，提出颜色衰减先验CAP，估计出深度信息，从而得到无雾图像。Hu等人［6］观察发现大气光照不仅在不同图像中存在差异，在同幅图片的不同区域也存在差异，提出基于局部—全局联合光照调整的去雾算法，用局部光照代替全局大气光。该算法对不同雾浓度和光照条件的雾图均有良好的适应性。Yang等人［7］提出用一个分段函数来代替最小滤波器操作，有效避免了暗通道方法在边缘处透射率估计不准确的问题。基于物理模型的去雾方法发展迅速，效果显著。但存在的问题是：先验信息具有局限性，不能适用于任意场景；以DCP为例，该先验信息不适用于高亮区域。……