- 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
二、小波方法。 Grewe等人基于小波方法[18-20]利用多幅雾天图像来进行融合，从而获得一张比较较好的融合图像，但是该方法仅能够相对地增强图像质量，而并不能实现真正意义上的去雾[21]。有一些学者就通过先对图像利用直方图均衡处理，再用小波变换来处理，最终大大减小了噪声，使得退化图像[22]增强了。梁笑在小波变换的多尺度分析理论的基础上，提出并设计了在不同尺度与不同方向子带图像上同时具有自适应性的小波系数阈值处理方法[23]。
三、曲波变换。 曲波变换[24]是在小波变换的基础上发展起来的一种多尺度分析方法。Brian Eriksson充分利用曲波变换在图像处理中的优势，运用基于曲波的消失点检测对雾霾图像进行自动去雾处理[25]，得到了较清晰的增强图像，效果很好。
四、基于视网膜理论的Retinex算法。Retinex理论[26，27]是在通过模拟我们人类视觉系统是怎么样来感知客观世界的事物基础上建立起来的一种理论。Retinex算法处理图像有锐化、高颜色保真、高动态范围压缩、颜色恒常等特性。并且，现在对于图像的去雾霾增强中，Retinex算法及Retinex算法的改进算法运用非常普遍。比如，芮义斌在文献[28]中把大气退化现象与照度变化等效起来，提出一种基于Retinex理论的雾天退化图像的对比度增强算法，通过正态截取拉伸来对雾霾图像的对比度做出改善。又在文献[29]中采用Frankle-McCann Retinex(FMR)算法来进行图像的去雾霾增强处理。还有，黄义明提出了一种带恢复的多尺度的Retinex算法，并且他利用高斯滤波对Retinex算法进行了改进[30]。中国科学院的嵇晓强针对传统 Retinex 算法计算量大、复杂度高、光晕现象等缺点，提出了一种改进的基于修正 Retinex 模型的新方法[31]。
对雾霾天气条件下获取的图像进行去雾霾增强的算法主要集中在以上两个方面的几种方法上。如今大多数学者对图像去雾霾增强与复原的研究也主要是针对以上基本算法的固有缺陷进行改进，从而达到一个比较好的图像增强效果。