近年来,随着雾霾等恶劣天气频发,空气中的水滴、粉尘等微小颗粒严重影响光的散射和折射作用,导致户外场景的能见度降低,进而造成视觉成像系统获取的图像存在颜色失真,场景信息丢失,对比度下降等明显的退化问题。这极大地影响和限制了视觉系统效用的发挥,从而影响了图像的视觉效果和图像特征的提取。因此,复原雾霾天气条件下的单幅退化图像具有重要的理论意义和应用价值。论文主要深入研究了暗通道先验理论,引导滤波算法和基于大气耗散函数的去雾算法,并且基于这些算法提出了两种改进优化算法。算法一:基于导向图优化的单幅图像深度去雾算法本算法首先对引导滤波和暗原色先验理论在去雾方面的应用进行深入分析并发现其缺陷,基于双边滤波和导向滤波,通过双边滤波和中值滤波最小值图像得到局部均值和标准差,平均近似最小值减去三倍方差得到新的导向图;然后,根据导向图的强度定义一类暗区域,通过与最小值图像进行比较获取最优的导向图,采用快速引导滤波获得大气散耗图,最后根据大气散射物理模型恢复清晰图像。与传统的引导滤波算法相比,本方法有效去除了 Halo效应,同时因其对导向图进行了深度处理,使得导向图更加平滑,因此对近景图像和远景去雾效果都比较理想,满足深度去雾的要求。此外,去雾图像整体细节丰富,整体色彩真实自然,但是当雾气浓度较高或者在夜景场景下,本算法的修复效果不明显,实际应用中存在一定局限性。算法二:基于半反图像的导向滤波光补偿快速去雾算法本算法将通过阈值调整的半反图像作为导向图,其求解基于像素层,对每个像素执行色调值的比较,没有使用滤波过程,大大降低了计算的时间和空间复杂度,并且,这一过程求解时间在总处理时间占比较小,效率得到进一步提高,算法总时间大大减少,这使得本算法可以实现有雾图像的实时去雾。将原有雾图像前1%最亮的像素的平均值作为亮度的“参考白”光补偿进一步调整恢复图像的亮度。本文算法恢复的图像清晰自然,对比度得到很大改善,但对雾较浓的图像或者在夜晚场景下拍摄的图像处理效果不明显。