2026《无人机影像去雾算法研究现状文献综述》2300字.docxVIP

无人机影像去雾算法研究现状文献综述

近些年来，无人机基于其多方面的优点，又可以采集到许多高质量无人机影像，引起了社会上极高的关注，并且也蔓延到了社会与生活的各个方面。但是也不乏存在一些利用价值不高的低质量无人机影像，影像质量较差的原因主要是因为雾霾天气导致的，想要的到较高质量的影像，就需要具体问题具体研究，针对问题解决问题。

1.1影像去雾的方法

目前的无人机影像去雾算法的方法主要有两大类，如下表1.1：

表1.1无人机影像去雾算法主要方法

基于影像处理的增强方法

基于物理模型的复原方法

定义

该方法顾名思义就是指通过增强影像的对比度来处理影像，而有雾影像的特点就是影像的对比度较低，由此而言，这种方法并不是专门针对影像去雾领域的，而是针对于影像的对比度这个视觉效果。

该方法的关键在于建立物理模型，通过研究大气中气溶胶等大直径粒子对光传播过程的散射作用，在此基础上建立模型，然后研究影像退化的本质，最后复原出未降质前的高质量影像。

优点

是在现有的成熟影像处理算法的基础上进行应用，从而达到增强影像的对比度和去除噪音的作用，突出影像中目标地物的特征和有价值的信息。

比起基于影像处理的增强方法去雾效果较好。

缺点

该方法可能造成影像部分信息丢失，使影像失真，除此之外，还可能导致影像失真，降低影像的对比度和清晰度。

对于包含大量白色的天空区域的处理结果并不佳，而且其算法比较复杂，处理结果受实际处理环境的制约，不易于硬件的实现。

1.2基于影像处理增强方法的研究现状

影像增强的方法以其简单而又有效的优点得到了广泛的应用，该方法主要是通过提高影像的对比度，常用而又典型的算法类型及其研究现状如表1.2。这些方法在一些不同的场景下都有很好的去雾效果，但与此同时也存在一些缺陷。

表1.2基于影像处理增强算法主要方法的研究现状

算法类型

研究现状

直方图均衡化算法

直方图均衡化是最基本的影像处理方法，也是最早用于影像去雾处理的影像增强的方法。直方图均衡化算法以其简单而又有效的优点，赢得了广大研究者的喜爱，但同时也存在不足之处。该方法对于场景简单的影像可以达到较好的处理效果，但对于那些场景复杂的影像，通常会出现反向处理结果，如：增强影像的噪声，降低了影像的信噪比；鉴于该方法存在的上述问题，后来研究者提出了局部直方图均衡化方法、全部直方图均衡化方法、以及对比度受限的直方图均衡化方法等算法REF_Ref2256\r\h[1]。总之，直方图均衡化算法作为一种比较常用的基于影像处理的增强算法的影像处理手段，使得无人机影像去雾算法得到了飞速发展。

Rntinex去雾算法

Retinex是Edwin.H.Land于1963年12月30日在俄亥俄州提出的一种计算理论。后来，又出现了很多对此感兴趣的研究学者，改进了Retinex算法，对单尺度Retinex算法进行改进优化，进而发展成为多尺度加权平均的Retinex算法，后又优化发展成了彩色恢复多尺度Retinex算法。

1.3基于物理模型复原方法的研究现状

基于影像处理的增强去雾算法只是在一定程度上提高了影像的清晰度与对比度，目的是为了让人们肉眼看到的影像更加清晰，并没有从根本上解决影像有雾的问题。而影像复原是从问题的本质出发，基于影像成像的过程建立模型，再研究影像质量下降的根本原因，在此基础上，复原出没有雾的高质量影像。由于影像复原技术有其自身的优点和特点，具备了基于物理模型影像复原技术的许多明显的优点，受到了广大科学研究者的青睐，并且在这些相关理论的基础上，提出了一些有关无人机影像去雾的优化建议与算法改进办法，并且取得了明显的的处理效果，极大地推动了无人机影像去雾处理的发展进程。常用而用经典的算法的研究如下如表1.3：

表1.3基于物理模型去雾算法主要方法的研究现状

算法类型

研究现状

暗通道先验去雾算法

该算法是何凯明REF_Ref6680\r\h[2]在2009年提出的，是一种比较先进且有名的去雾算法，何凯明关于该算法所写的的论文一举获得2009年CVPR最佳论文。该算法是何凯明在统计了大量的室外无雾的影像之后发现的一个规律：在无雾影像中至少存在一个颜色通道亮度非常非常低的元素，在此基础上，提出了暗通道先验去雾算法REF_Ref3842\r\h[3]。后来又有许多感兴趣的学者在此基础上提出了很多的改进算法，首先，蒋建国等人REF_Ref7183\r\h[4]引入新的参数以此来重新估计透射率，从而扩大了这个方法的处理范围；但是这个新的参数的选取存在一定的缺陷；后来，孙红光等人REF_Ref7193\r\h[5]针对这个存在缺陷的参数，提出了一种补偿方法，引入另外一个新的参数从而降低了估计的偏差。

fattal去雾算法

该方法是fattal等人提出的，先