张玮韬，杜楷文，王永顺

（兰州交通大学 电子与信息工程学院，兰州 730070）

随着我国经济与科学技术的飞快发展，对视觉设备智能化的需求不断提升.然而，识别路标、车辆车牌、道路情况等对图像质量要求较高.作为视觉系统的感知源——图像／视频摄像头，受恶劣天气的影响，大气中漂浮着大量的可吸入颗粒，大气光被这些颗粒散射和反射后，会导致机器视觉成像设备获取到的图像明暗区域最亮的白和最暗的黑之间不同亮度层级的差异下降，清晰度等特征都发生明显变化，细节信息大量丢失［1］.因此，为了提高机器视觉成像设备获得的图像品质，机器视觉领域的学者们已经将图像去雾做为了主要的研究项目［2］.

当前，常用到的去雾算法可以分成传统的去雾算法和基于深度学习的去雾算法两大类.传统的去雾算法分成两类：一是基于图像增强的去雾算法，二是基于图像复原的去雾算法.第一类去雾算法使用的是图像增强技术来提高图像明暗区域最亮的白和最暗的黑之间不同亮度层级的差异范围，能清晰地展现出去雾后图像中的细节，例如直方图均衡化去雾算法［3］和基于视网膜大脑皮层Retinex去雾算法［4］；基于图像复原的去雾算法根据大气散射物理模型，通过对大量有雾图像和无雾图像进行研究学习，获取其中存在的一些映射关系，然后根据有雾图像的形成经过来进行逆推导，从而还原出清晰的无雾图像，例如文献［5-6］提出……