黄山，贾俊

（四川大学 电气工程学院，成都 610065）

0 概述

受雾霾天气的影响，电子设备采集到的图像往往存在颜色偏移、对比度低、场景模糊等问题［1］，这对图像特征相关的目标识别［2］、视频监控［3］、自动驾驶［4］等领域有着重要影响。因此，图像去雾技术具有广泛的研究意义和重要的社会意义［5］。

近年来，为提高带雾图像的质量，众多学者对图像去雾技术进行了研究与分析，提出了许多去雾方法，这些去雾方法根据原理的不同主要分为三类：第一类是基于图像增强的去雾方法，第二类是基于物理模型的去雾方法，第三类是基于深度学习的去雾方法［6］。基于图像增强的去雾方法主要通过增强图像中场景的对比度、亮度以及色彩饱和度，使得图像更加清晰［7］，此类方法的典型算法有直方图均衡化［8］、Retinex 算法［9］、同态滤波［10］和小波变换［11］等。文献［12］通过HSV 颜色模型与自适应直方图均衡化算法提高图像的整体对比度，重构出无雾图像。文献［13］提出一种单幅图像去雾方法，以色彩恒常理论为基础，使用增强调整因子来增强图像中的颜色信息。基于物理模型的去雾方法主要通过数学模型来模拟雾图降质的过程，再将图像逐渐清晰化，此类方法包括暗通道先验算法以及基于偏微分方程的算法［14］。文献［15］提出的暗通道先验理论通过假设先验估计出模型的未知量，再逆向地复原出无雾图像，由于该算法无须利用辅助设备或者额外信息对模型进行约束，因此后续出现了大量文献［16-18］这类以暗通道先验作为基础的改进算法。……