李文龙，李兴广，胡冉冉，崔 炜

长春理工大学 电子信息工程学院，长春 130022

作为智能交通系统中的重要组成部分，交通标志识别系统（TSRS）为驾驶员提供实时的道路交通信息以提高驾驶安全性[1]。但在雾霾等能见度较低的恶劣天气情况下，由于道路环境的可视性下降，导致TSRS采集到的交通图像的色彩、对比度、清晰度等特征信息严重降质。因此需要对退化的有雾交通图像进行去雾处理，还原出保证相关特征信息的清晰无雾图像，以便用于后续精准的检测和识别。

近年来，图像去雾的方法根据原理的不同主要分为两类：基于图像增强和图像复原[2-8]。其中，基于图像增强的方法主要是通过增强雾天退化图像的色彩和对比度来改善图像的质量。该类方法本质上不仅没有实现对图像的去雾处理，而且可能会造成图像中部分信息的丢失。基于图像复原的方法选取退化的雾天图像物理模型作为基础，建立降质模型，反演出图像的退化过程，通过参数的最优估计来补偿降质图像的失真部分，有效地减少了信息丢失，进而更好地提升了图像的质量，是从根本上进行去雾的一类方法。因此，基于图像复原的方法得到了更多相关学者的研究和关注。

在基于图像复原的去雾方法中，Tan提出了通过最大化复原图像的局部对比度的思路实现图像去雾，但是由于缺乏对大气光成分这一因素的考虑，导致去雾图像色调过于饱和而导致失真[9]。Fattal在假定光的局部传播和场景目标表面的投影局部不相干的前提下，提出一种估算场景反射率进而推导出场景透射率的方法来实现有雾图像的去雾[10]。……