第三章单幅遥感图像高程信息提取。通过求大气光向量A，暗图像，对暗图像进行两次双边滤波，最终得到了遥感图像的高程信息图，是本文算法的理论实现。
第四章 实验结果及分析。用MATLAB编码实现算法，得到了遥感图像的高程信息，并对结果作出分析研究，指出效果不理想的地方，对下一步的研究提供了方向。
第五章 总结与展望。对本文研究内容进行了总体的一个小结，并提出了以后图像处理学习中的一个方向。
 2  大气散射模型及暗原色先验算法分析
户外场景中，目标图像的成像效果会因为天气的不同而改变。本章首先介绍了大气散射模型，对户外雾霾大气成像过程做了一个简单描述，其次比较了现在几种比较好的去雾算法，重点介绍暗通道先验原理，最后介绍个人感觉该算法不是很完美的几个地方并提出改进的方法[11]。

2.1 大气散射模型
天气较好时，空气中存在的主要粒子是半径非常小的氦、氧、水蒸气和一些比较微量的固体悬浮颗粒。此时,空气中各种粒子由于半径较小从而不会或者有比较弱的影响对物理表面反射光的散射、吸收和反射,因此，表现出的成像效果也较好。而在雾、霾、雨等条件下，天气质量较差时,空气中包含的粒子半径比小水滴或冰晶化合物等在天气晴朗时才会出现的粒子半径大得多，这对于光线的直线传播造成很大影响，最直观的结果就是造成成像时获得的图像退化，而散射现象就是造成对成像系统最为严重的影响的罪魁祸首[12,13]。如下表2-1所示,我们列出了一些平时的天气状况下大气中粒子的类型、粒子半径和密度：
表2.1  一般天气状况下大气中粒子种类及相关信息
天气条件    粒子类型    粒子半径（µm）    密度（cm-3）
晴朗    空气分子    10-3    1019
霾    悬浮粒子    10-2~1    103~10
雾    小水滴    1~10    100~10
雨    小水滴    1~10    300~10
云    水滴    102~104    10-2~10-5
从上表可以看出，云、雨等天气状况下，粒子半径相对较大，从而也会影响成像系统的成像,但与雾霾天气条件下的区别在于,云雨无论在时间上还是在空间上，它的随机性较强，没有很高的稳定性，因此不会像雾天那样图像完全符合大气散射模型。根据Nayar的研究表明：火山喷发所产生的火山灰、植物渗出物、燃烧产生的灰尘等情况是造成雾霾粒子的主要来源。等到空气湿度增大到一定程度，空气中的霾粒子和其周围的水蒸气相结合，于是就出现了以霾粒子为核心的小水滴，同时也说明了这些小水滴的半径比其他空气分子半径大得多。因此,我们看到在雾天拍的照片显得灰蒙蒙的，图像的对比度相对较低的原因是，当成像系统接受到物体表面被反射的大气光时，空气中存在大量小水滴影响了大气光线。雾的出现也与霾相似,其区别是,形成雾的粒子其实就是形成霾的小水滴进一步吸收周围的水蒸气而形成的，这也进一步说明了雾的粒子半径比霾的粒子半径大的原因。
在雾霾天气条件下，大气中的微小粒子的散射发挥的作用主要分为两个：一是会使到达相机的目标光是衰减后的，从而降低目标光强度；另一部分是经过微小粒子散射的大气光能够到达相机，目标图像强度也会有所增加[14]。正是因为这两种散射的作用共同，从而导致了相机采集到的图像对比度和清晰度相对较低。下面我将通过大气光模型和衰减模型两部分来描述米氏大气散射理论。这两个模型很好的描述了雾霾条件下图像的一些降质原理，是图像去雾的基本的理论依据。以下是基于这两个模型的简单描述。 单幅遥感图像的高程估计研究(3):http://www.youerw.com/jisuanji/lunwen_19336.html