-
雾霾天气条件下拍摄得到的图像由于雾霾影响，在视觉效果上的表现为模糊不清晰；在图像数据上的反映为像素灰度值发生了动态变化，原本的高灰度值被削弱，原本的低灰度值被加强，使对比度降低。30632
- 上一篇：射频开关国内外研究现状
- 下一篇：智能家居控制系统国内外研究现状
针对雾霾天气的图像增强复原，近几年国内也做了不少的研究，而国外也有所涉及。目前，就雾霾天气情况下的图像增强复原方法主要集中在图像的增强和图像的复原两个方向:
第一种是图像的复原，也称为基于大气退化的物理模型法；第二种是图像的增强，也就是基于数字图像处理角度对雾霾天气图像进行增强。前者从造成图像质量退化的具体原因入手分析，对雾霾天气图像质量退化的过程建立数学模型，补偿退化过程中造成的图像失真，从而获得未经干扰无退化的去雾霾图像或者去雾霾图像最优的估计值，通过这样的处理来增强雾霾天气的图像质量。第二种方法是不考虑图像质量退化原因，雾霾天气像质退化图像的清晰度恢复问题实际就成为了雾霾天气图像对比度的增强问题。论文网
首先，对于第一种基于大气退化物理模型的雾霾天气图像复原可分为以下几类：
一、基于大气散射模型的雾霾天气图像恢复。它是在假设一些大气条件已知的情况下，利用建立的大气散射模型，增强雾霾天气退化的图像的一种方法。1997年，Krotkov和Cozman首次将大气退化理论实际应用在大气图像的复原中，利用雾霾天退化模型恢复场景深度等信息[1]。Oakley[2]后来提出一种求解大气散射模型参数的方法，但是该方法仅对灰度降质的图像适用，它并不适用于恢复彩色降质的图像。再后来，Tan等人对该算法进行了更加深入的分析与研究，并提出了改进方法[3，4]，将它的应用范围从灰度图像扩展到彩色图像。
二、 基于不同的天气条件下图像的恢复。在这方面，S. G. Narasimhan和S. K. Nayar的研究比较深入。他们根据二色大气散射模型[5]，分析颜色与天气条件影响的关系[6]。后来他们又在文献[7]中提出了一种单色大气散射模型，实现图像清晰度恢复。
三、基于暗通道优先的图像去雾霾算法。何恺明找到一种比较简单的统计规律，然后提出了一种有效的去雾霾方法---基于暗通道优先的图像去雾方法(Dark Channel Prior)[8]。王一涵在文献[9]中改善了基于暗通道优先去雾霾方法对图像的天空区域恢复效果不好的问题。黄义明又针对暗通道优先去雾霾算法里软抠图有比较严重的运算量不足,从而提出了一种用改进的联合双边滤波来对透射率优化的算法[10]。
其次，对于第二种从数字图像处理的角度来对雾霾天气图像进行增强又可以分为以下几类：
一、直方图均衡化法，它包括全局直方图均衡化法和局部直方图均衡化法两种。局部直方图均衡化法[11]是对原始图像的各个局部子块进行直方图均衡化处理来增强图像的视觉效果。它容易导致景物因为噪声干扰表现出不自然。Kim等人在文献[12]中提出一种非重叠子块的直方图均衡化算法，Zimmerman等人又提出了一种内插值直方图均衡化方法[13]，这些算法的图像处理效果都比较好，但运算量也比较大。后来，祝培等人又在此基础上进行改进后提出了一种新的局部直方图均衡化方法[14]。文献有提出基于标准差的对比度增强算法[15]，利用不同的因子在局部进行增强。王萍等人也在文献中提出一种基于插值自适应直方图均衡化方法[16]，该算法使雾霾天气图像的对比度低这一问题得到了很好的解决。由于运算量大是一个通病，文献[17]就提出了一种基于部分子块重叠的直方图均衡的方法，有效地降低了运算量，并且消除了块效应，非常适用于景深变化的雾霾天降质图像。