何恺明博士于2009 年首先提出的使用暗通道先验的图像去雾算法。根据一幅图像中每个
像素都有一个颜色通道的值极低这一先验知识，获取大气透射率 t 的预估值；同时得到暗通
道图中亮度前0.1%的点，获取原始图中相应的最高亮度的点作为全球大气光 A的值；此时可
解出当前广为使用的雾图模型方程。但是何恺明博士的暗通道先验算法实现较慢，其后来提
出了使用导向滤波[14]
来代替 soft matting的方法提高速度。
1.2.3   图像去模糊
图像去模糊需要先建立一个退化模型。图像的退化过程可以用一个模型表示为一个退化
函数与一个加性噪声[15]
。比较简单的退化模型是：g=Hf+n，其中f 为原始图像，H为退化函
数，n为加性噪声，得到退化图像 g。基于该模型，我们建立图像模糊的模型，并针对退化模
型估计出原始图像。
近几年来，在数字图像处理技术的快速发展下，一些新的方法在图像复原领域出现，例
如全变分图像法、神经网络法、小波分析等[15]
。神经网络通常一些经典的图像复原方法，在
处理过程中作为参数识别器和复原滤波器。当前，复原技术中最为常用的神经网络是基于
Hopfield 的模型，它可以得到有效和稳定的收敛，精确度度也比较高[16]
。小波分析法研究图
像去模糊问题也是一项广泛受到关注的课题。
文纳滤波器是一种广泛使用的线性滤波器[17]
。文纳滤波器是一种利用最小二乘滤波方法
得到的滤波器，文纳滤波方法就是一种使得原始图像和复原图像之间的均方误差最小的复原
方法[18]
。为了得到最小均方误差，必须准确的知道图像的协方差，但是通过一系列原始图像
的信号是来用于估算协方差，这是不可能的。仅仅通过图像的单拷贝估计的协方差往往不准
确，Allen 和 Roland 提出了一种迭代滤波器，通过每一步的文纳滤波器来更新协方差，每一
次更新找到最小的协方差和恢复后的信号。迭代的文纳滤波可以更好地修复信号。文献[18]
中
给出了迭代文纳滤波的算法流程。事实上，在退化模型中，利用迭代的文纳滤波和估计的模
糊核可以达到去模糊的效果。 1.3  图像的质量评价
图像的质量评价可分为两种[19]
： （1）主观评价方法；（2）客观评价方法：采用算法评价
图像质量。其中主观方法由于与人主观感受相符，费时复杂，不如客观评价方便、快捷。客
观评价是在图像质量评价中最常使用的方法。
针对于对原始图像的依赖度，客观质量评价可分为三类[20]
：（1）全参考，需要原始图像
所有信息；（2）部分参考，即要用到初始图像的关键信息；（3）无参考，不需要原始图像信
息。其中，全参考方法同时考虑了失真图像和原始图像之间的信息和特征，建立数学模型，
可以有效衡量信息的保真度。两个具有代表性的指标分别为 PSNR和 SSIM。
获得了目前最有效的去噪效果。 公共安全低质图像质量提升算法与软件开发(3):http://www.youerw.com/jisuanji/lunwen_20085.html