钟魁松 冯治国 张振博 袁森

（1.贵州大学，贵阳 550025；2.贵州省特色装备制造技术重点实验室，贵阳 550025；3.贵州理工学院，贵阳 550003）

主题词：视频处理 雾天道路 图像去雾 暗通道 大气散射模型 直方图均衡

1 前言

视觉感知已成为智能驾驶领域研究的热点方向，其与激光雷达相结合在车辆识别与跟踪领域应用广泛。道路环境易受雾的影响，导致车辆视觉感知信息不完整，影响依赖视觉的智能车运行。因此，雾天环境下图像的快速增强算法具有重要研究意义。

目前，针对单图像去雾的算法可分为3类。第1类是图像增强，核心是尽量去除图像噪声、增强图像的对比度。第2 类是基于物理模型的恢复算法，基于一定的先验知识，通过大气散射模型恢复无雾图像。He 等人提出了暗通道先验去雾算法，但会造成去雾后的图像天空区域色彩失真。He等人后续改进，使用引导滤波器提升了算法速度，但易出现去雾不彻底的情况。Zhu 等人提出了一种基于颜色衰减先验的去雾方法，创建雾图景深线性模型，可较好地恢复深度信息，但其大气消光系数的选择对近、远景去雾存在差异，因此自适应性和泛化性不足。Ju 等人提出一种基于伽马校正先验（Gamma Correction Prior，GCP）的去雾方法，基于“全局”策略，获取一个未知常量即可还原图像，减小了计算成本。刘海波等人结合这2类方法提出了一种暗通道先验和Retinex 算法的结合方法。第3类是基于学习的去雾算法，卷积神经网络（Convolutional Neural Networks，CNN）被应用于图像去雾领域。Li 等人于2017年提出了一种一体化去雾网络（All-in-One Dehazing Network，AOD-Net），这是一种端到端的去雾模型，在统一模型中进行计算，省去了中间的参数估计，可直接从有雾图像复原清晰图。……