文 献 综 述
1. 课题研究意义
在室外气象条件不佳的情况下,拍摄的图像会受到空气中的悬浮粒子比如雾和霾等的影响而造成图像不清晰、细节丢失等问题,这是由于悬浮粒子会对光线产生散射,使景物反射的光线发生衰减,同时散射环境光混合到观察者接收的光线中,使成像后图像的对比度、颜色等特征发生改变。雾（fog）是由空气中各种悬浮粒子混合而形成的，这些粒子在一定的空气湿度下能迅速改变，从而形成大雾。雾通常会导致一定程度的色彩和对比度的降低，使图像呈现出灰度化的现象，从而影响可视性。雾形成的空气湿度大，因为其粒子直径比霾中更大。浓雾中水滴是重要的组成部分，能够使得可视距离减低到几百英尺。霾（haze）和烟（smog）主要由干性粒子构成，其粒子直径相对要小一些。薄雾和霾天气通常表现为较清晰的灰度与蓝色调，可视距离可达千米，这是因为它们所含的粒子直径较小。常常空气中可能既有干气溶胶（霾），也可能有水滴（轻雾），且不易区分，因此被称为“雾霾”现象。对于被雾霾天气所降质的图像,为了美化图像的视觉效果以及突出图像特征以便计算机视觉系统处理,需要对图像进行去雾处理。图像去雾就是指用特定的方法和手段,使空气中悬浮微粒对图像的不良影响降低甚至消除。目前常见的图像去雾处理方法可以分为两大类，第一类是基于图像处理的增强方法，第二类是基于物理模型的复原方法。
2. 具体实现方法
2.1 基于图像处理的增强方法
图像增强去雾方法考虑有雾图像的低对比度特点，运用各种线性或非线性的增强处理提高被降质图像的对比度，改善图像的视觉效果，丰富细节信息。比较常见的方法有直方图均衡化，同态滤波，小波变换，曲波变换，Retinex算法等。这些方法在一定对象上可以取得良好的效果，但是也都存在着其局限性。直方图均衡方法包括全局均衡化算法和局部均衡处理。全局均衡化算法具有易实现的、效果明显的优势，但其处理后图像的局部灰度层次明显减少。而局部直方图均衡处理是拉伸图像局部对比度，实现局部的图像增强。适于景深变化丰富但对比度低的图像处理。其不足是容易出现块效应，且运算负担重。
同态滤波算法在图像增强方面也取得了很大进展，同态滤波从人眼视觉特性角对亮度做非线性变换处理，避免了傅里叶变换处理造成的失真。该方法优点是能抵抗光照不均的干扰，使薄雾图像恢复清晰。但两次傅里叶变换带来很大的运算量。小波变换具有多分辨率、去相关及局部特征表征能力，通过对雾天图像的细节锐化来提高图像清晰度，其主要应用在红外图像和医学图像的细节增强，但它无法解决光照不均所带来的问题。曲波变换有能够增强曲线边缘的优势。
Retinex 算法基于颜色恒常的增强算法，能达到动态范围压缩和颜色不变性，因此相较其他方法更有优势。Retinex 方法既有全局化的增强方法，也产生了很多局部化的方法。另外提出了单尺度和多尺度的 Retinex 算法。Retinex 理论认为人类感觉到的物体的亮度和色彩是由环境的照明和物体表面对照射光的反射所决定的。人类视觉系统产生的物体图像I(x,y)由图像的照度分量L(x,y)和反射分量R(x,y)组成。照度分量L(x,y)决定了图像能达到的动态范围，反射分量R(x,y)决定了物体的内在性质。由Retinex 理论的实现图像增强的思想是从图像I(x,y)中去除照度分量L(x,y)，就可以在不考虑照度发生变化的情况下还原出清晰的图像，达到图像增强的目的。
2.2 基于物理模型的复原方法
这种方法通过对大气散射作用进行建模分析，建立雾天图像退化模型，利用退化的先验知识来复原真实场景。这种方法是属于图像恢复技术的应用，着眼于研究图像退化的机理所以有着其自身的优越性,并且能够得到更高清晰度的图像。大气散射理论的主要内容是：大气散射是一种普遍存在的光学现象，我们眼睛接收到的大部分是散射光。如果没有大气散射作用，根据光线的直线传播原理，则人眼只能看见光线直接照射的地方。大气散射作用一方面分散了太阳的直接辐射，另一方面又使地面场景除接收到太阳直接辐射外，还受到来自大气粒子的各种散射，使得成像过程变复杂。光在大气中传播，部分光会被粒子散射而无法进入成像传感器，导致入射光强衰减。大气粒子对入射光的散射方式依赖于粒子的形状与大小，其中粒子的尺寸与散射强度与形式有着显著的关系。
