图像去雾技术指运用一定手段来消除恶劣的天气现象对图像质量的负面影响，从而复原或增强图像使其达到满意的视觉效果，并能够从中提取出更多的特征和可辨认信息。经过国内外学者们数十年的努力，图像去雾处理技术得到了飞速的发展，并在生活中被广泛运用。目前主要围绕两个方向进行研究：一是基于物理模型的图像复原方法，二是基于图像处理的增强方法。78049

基于模型的去雾方法旨在复原图像，可视为图像发生退化的反向作用，需要掌握退化的过程与机理，将薄雾或薄云视为干扰，建立相关模型，最终去除干扰获得原始图像[6]。图像复原的去雾技术需要弄清造成退化的因素，搭建薄云薄雾天气中大气散射的模型，从而去除干扰实现去云去雾处理，典型的如暗原色先验图像去雾技术等。运用此类方法处理图像需要知道景深的相关信息，这就要求我们使用多张图像或以其他信息作为辅助来帮助我们获得一些关键参数，最终通过得到的景深和确切的大气参数实现雾天图像的清晰化。文献[7]将这种去雾方法又大致分为四类：前两类方法需要固定场景的多张图像或不同的天气状况下的多张图像以实现去雾；第三类方法则需通过用户交互或场景的先验信息来大致算出场景深度等信息[8]。但是在现实应用时，一般都难以达到这几种方法所需要的特定条件。因此最后一类算法，也就是基于对图像自身的参数和数据提出相关假设以实现清晰化处理的单幅图像算法，得到了广泛的认可和应用。论文网

使用基于图像处理的增强方法来实现去雾在实际应用中并不需要图像退化的机理和物理模型，它撇开了图像质量下降的具体原因，根据主观的视觉感受来进行图像质量的改善。该种去雾方法，从范围上能把它分类为局部增强和全局增强两种；从处理方式上则可以将其分为空间域和频率域。比较典型且应用较为广泛的图像增强方法包括直方图均衡化处理、小波方法、同态滤波增强、Retinex视网膜皮层算法、利用大气调制传递函数进行处理的清晰化算法和优先暗通道算法等[9]。每种方法都有其各自适用的应用场景，且都有其各自的优缺点，很难在所有的方面都得到一个平衡的、好的效果，因此图像的增强去雾技术依旧需要进一步探索与研究。本文采用基于图像增强的非模型方法进行图像清晰化处理，重点对直方图均衡化和基于色彩恒常性的Retinex（视网膜皮层理论）算法进行了分析与对比。