赵 慧，魏伟波，潘振宽，纪连顺

（青岛大学计算机科学技术学院，山东青岛 266071）

0 概述

在恶劣的天气条件下获取户外图像时，捕获的场景能见度通常较低，这是由于光与悬浮在大气中的粒子发生相互作用，如散射、吸收、反射等，导致图像对比度和饱和度降低，颜色褪色，这会对许多户外计算机视觉应用（如识别、检测、跟踪、分类等）产生不利影响［1-2］。因此，对图像去雾进行研究在图像处理和计算机视觉领域具有重要的意义和价值，设计有效的去雾方法是近年来的研究热点。

早期图像去雾研究采用图像增强技术来提高模糊图像的可见度并改善色彩。其中，Retinex［3］和choi［4］2 种图像处理技术是典型代表。但是，基于图像增强的去雾方法由于没有考虑图像的退化机理，不能完全去雾。因此，后续研究工作重点关注基于大气散射模型的去雾方法，该类方法首先构建雾天成像模型，然后估计未知参数，从图像退化的原因出发对物理模型进行反演，从而得到无雾图像，但是，这些方法大都需要利用先验知识或假设来估计关键参数。例如，TAREL 等［5］使用中值滤波器来估计耗散函数，由于中值滤波器显示的边缘保留性能较差，因此该方法在图像景深变化处有雾残留。NISHINO等［6］采用贝叶斯后验概率模型充分挖掘图像中潜在的统计特征从而进行去雾处理，该方法在浓雾图像上具有一定的优越性，但对于薄雾图像，其去雾后的效果颜色过亮，缺乏真实感。HE 等［7］基于对室外无雾图像的统计，提出暗原色先验去雾方法，该方法去雾效果明显，但对于天空区域，其易出现失真现象。……