《关于去雾算法的国内外研究现状文献综述》1800字.docxVIP

关于去雾算法的国内外研究现状文献综述

除雾是一个具有挑战性的问题，因为雾取决于未知的深度。如果输入的是单张含雾图像，则问题不受约束。图像去雾技术有两种:一种是基于图像增强的去雾技术，另一种是基于图像复原的去雾技术。

基于图像增强技术，即不考虑图像退化的原因，旨在增强图像对比度、边缘梯度等细节信息的[2]。这种方法通常会造成去雾不彻底，产生色彩偏差，最终的结果往往会导致引入的负面效果大于其产生的正面效果，适用于部分图像，没有鲁棒性。

直方图均衡化主要用于增强图像的对比度[3]。雾图像的灰度值相对较小，且大部分像素集中在少数几个灰度值上，这类图像的显示效果往往较为平滑，边缘不明显。直方图均衡化从雾天图像的灰度直方图开始，将灰度直方图的分布从“山地型”调整为“平坦型”，输出图像的直方图均匀分布在所有灰度范围内。其实现方法是对图像进行非线性拉伸，使在一定灰度范围内的像素数大致相同，增加对比度，达到去雾效果。

Retinex最初被定义为人类颜色感知的视觉模型，旨在说明人类在不考虑全局光照变化的情况下感知颜色稳定性的能力[4-8]。根据观察，色觉与到达人眼的亮度值无关，它与整体反射率有关。积分反射率定义为同一照度下各波段物体值与白色物体值的比值。Retinex模型的变体已经应用于许多不同的图像处理任务，例如，图像雾[9]。根据该理论，雾图像S可以用光分量和反射分量的乘积表示，对雾图像的光