基于暗原色先验图像去雾算法的研究与改进
改进的基于暗原色先验的图像去雾算法
文 章 编 号 ： １ ０ —２ ９（ ０ １ ２０ ０ ６ ０ ７０ ４ ２ １ —０ ７ ０ １０
电路 与 系 统 学 报
Ｊ ＵＲＮＡ Ｌ Ｏ ０Ｆ ＲＣＵ Ｉ ＣＩ ＴＳ ＡＮ Ｄ Ｙ ＳＴＥＭ Ｓ Ｓ
Ｖ Ｏ ．６ １１
２１ 大 气散 射 模 型 ．
解 决 问题 之 前 ， 常 要对 所 研 究 的 问题 建 立 数 学 模 型 。大 气 散射 模 型描 述 了雾 化 图像 的 退化 过程 ： 通
Ｊ ） （ ＝Ｊ（ ｔｘ ＋Ａ（ 一ｆ ） ｘ）（ ） １ （ ） （ ） １
（ ）式 中 ， Ｊ 观 测 图像 的强 度 ，．是 景 物 光 线 的 强度 ， 是 无 穷远 处 的大 气 光 ，ｆ 为透 射 率 。 １ 是 ， 称
摘 要 ｔ分析 讨论 了原 暗原色 先验 去雾 算法原 理 ，指 出其不足 之处 并推 导 出改进方 法 。通 过 引入一 种容差 机制 ，算
法 能 更 有 效 地 处 理 不 满 足 暗 原 色 先 验 的 明 亮 区 域 ，纠 正 了 这 类 区 域 错 误 估 计 的透 射 率 ，从 而 克 服 原 算 法 在 处 理 这 些 区 域 时 产 生 的 色 彩 失 真 。 实 验 结 果 表 明 ， 这 样 的修 改 切 实 可 行 ，恢 复 图 像 消 除 了色 彩 失 真 ， 视 觉 效 果 得 以 显 著 提 高 。 关 键 词 ，去 雾 ； 暗 原 色 先 验 ； 色 彩 失 真 ； 容 差
不 足 的 是 这类 方 法 一 般 需要 求 得 场 景 深 度 或 大 气 条 件信 息 。 而现 实条 件 下 ，获 取 的 降质 图像 并 没 有 附 加 任 何 景 深 与大 气 条 件 的信 息 。 由于 己知 信 息 量 不足 ， 因此 图像 去 雾 恢 复 是 个 不适 定 的反 问题 。为 了
基于暗原色先验的图像去雾算法研究的开题报告
基于暗原色先验的图像去雾算法研究的开题报告一、研究背景及意义近年来，图像去雾是计算机视觉领域中备受关注的研究方向之一。
由于许多自然场景中存在着雾、烟雾等气溶胶，这些气溶胶对于图像质量和可视性的影响巨大。
因此，如何去除这些噪音并恢复清晰的图像，对于提高图像的质量和可视性具有重要意义。
图像去雾算法的研究和应用在计算机视觉、计算机图形学、遥感图像处理等领域广泛应用。
目前，已经有许多图像去雾算法被提出，如单尺度Retinex、Dark Channel Prior、全自动物理模型、分层反卷积等。
但是，在实际应用中，这些算法仍然存在以下几个问题：去雾效果不理想、存在较大的计算复杂度和较大的计算误差等问题。
因此，如何提出一种高效、准确、实用的图像去雾算法，是当前研究的重点。
二、研究目标和内容本文的研究目标是基于暗原色先验的图像去雾算法的研究，旨在解决现有算法的不足，提高去雾算法的准确性和效率。
具体研究内容包括：1. 基于暗原色的理论研究：分析暗原色与气溶胶之间的物理关系，研究暗原色先验在图像去雾中的作用和作用机理。
2. 基于暗原色先验的图像去雾算法设计：基于暗原色先验，设计一种新型的去雾算法，包括暗通道先验、暗原色先验和模糊先验等关键步骤。
3. 算法实现与优化：设计并实现基于暗原色先验的去雾算法，利用图像处理的相关技术对算法进行优化和改进，降低算法的时间复杂度和计算误差。
4. 算法评价：选取不同的数据集和评价指标，对所提出的算法进行定量和定性评价。
与现有的各种算法进行对比分析，检验本文算法的可行性和效果。
三、预期研究成果1. 基于暗原色先验的图像去雾算法：提出一种全新的图像去雾算法，以暗原色先验为主要思想，采用暗通道先验、模糊先验等关键步骤实现图像去雾。
2. 算法的优化和改进：利用图像处理技术和优化算法，降低算法的复杂度和误差，提高算法的运行速度和准确性。
3. 算法的应用分析：对算法的实际应用进行分析，如在图像处理、计算机视觉、计算机图形学等领域的应用。
基于暗通道原理的图像去雾算法改进
电子技术与软件工程Electronic Technology&Software Engineering计算机与多媒体技术Computer And Multimedia Technology基于暗通道原理的图像去雾算法改进倪金卉(吉林建筑科技学院吉林省长春市130114)摘要：本文基于暗通原理改进的去雾算法针对透射率细化过程比较耗时的问题，通过结合Retinex算法进行改进；针对暗通道去雾类似区域出现颜色失真、色偏效应，采用分割出天空区域在求取大气参数A,提高求取大气参数A的精度，并结合阈值法对透射率加个增幅项；针对暗通道去雾处理后的图像有偏暗的现象，采用自适应对数映射算法进行色调调整.该改进算法能较好的还原出无雾图像，并具有很好的保留边缘细节信息等特性.关键词：图像去雾；暗通道去雾；透射率；还原图像雾是十分普遍的大气现象，釆集图像时目标图像和雾被一起釆集，这种图像比无雾图像看起来朦胧模糊且伴有颜色偏灰白、对比度下降现象。
何恺名博士通过大量户外自然图像釆集实验得出，在户外自然无雾图像中，除去天空区域外，绝大多数的图像数据块中都有一些在某个色彩通道上亮度值很小的像素，并提出了暗通道先验原理模型，通过暗通道先验假设直接恢复岀无雾的图像。
但在实际应用中，利用软抠图算法来细化粗糙的透射率，会导致算法的复杂度很高。
经过大量实验对比分析，本文题提出一种基于暗通道先验原理的改进算法。
户外釆集的图像，天空区域一般在图像的中上部，利用这种特点对是否存在天空进行判断和分割。
从而避免高亮物体对大气参数求取过程的影响并提高了求取大气参数的精度。
结合Retinex算法、利用快速双边滤波器对透射率滤波从而消除Halo现象和色彩失真。
针对像素点的值接近大气光值时，对透射率加上增幅项来消除出现的色斑色块效应。
1暗通道先验原理去霧算法1.1大气散射模型在近些年计算机视觉领域，有一种得到广泛应用的雾天图像成像物理模型为：I(x)=/(/(x)+/1(1-r(x))(1)其中，I(x)为获取的有雾降质图像：J(x)为无雾的场景真实图像：A为大气参数；t(x)为透射率。
基于暗通道先验的图像去雾算法改进研究
基于暗通道先验的图像去雾算法改进研究摘要：暗通道先验去雾算法求得的的透射率比较精细，去雾效果优于大多数去雾算法。
然而在暗通道求取过程中，最小值滤波的处理会使得暗色向外扩张，导致透射率扩张变大，使得去雾后的图像在边缘部分产生“光晕”现象。
为了减弱光晕效应，利用形态学理论对粗略透射率进行腐蚀处理，腐蚀掉扩张变大的透射率，然后使用容差机制修复不符合暗原色先验的明亮区域透射率，再使用引导滤波精细化透射率，最后利用去雾模型复原图像。
实验表明，改进后的算法去雾效果更佳、去雾速度更快，具有更强的鲁棒性。
关键词：暗通道先验去雾；腐蚀；引导滤波DOIDOI：10.11907/rjdk.161089中图分类号：TP312文献标识码：A 文章编号：1672-7800（2016）005-0030-040 引言雾霾天气不仅影响人们的出行，也给视频监控、自动驾驶等涉及室外图像应用的领域带来了很大挑战，并引起了相关研究人员的重视，如今已出现了不少研究成果。
图像去雾的研究方法可分为两大类，基于图像增强的方法和基于物理模型的方法。
早期图像去雾研究主要利用图像处理的知识来去雾，Kim[1]提出对雾图进行局部直方图均衡处理的方法，这种方法根据每个像素的邻域对像素进行处理，可以突出图像的特征，但运算量较大，算法复杂度较高。
Land[2-3]基于色彩恒常性提出了Retinex即视网膜皮层理论，其后出现了一些基于Retinex的图像增强算法[4-6]，与其它图像增强算法相比，基于Retinex的图像增强算法处理的图像，局部对比度相对较高，色彩失真较小。
基于图像增强的去雾方法可以利用成熟的图像处理算法来增强图像的对比度，突出图像中的特征信息，但这种方法会造成图像部分信息损失，导致图像失真。
图像去雾的另一类是基于物理模型的方法，该方法研究大气悬浮颗粒对光的散射作用，通过大气散射模型来复原图像，恢复的图像效果更真实，图像信息能得到较好保存。
Narasimhan等[7]提出了雾霾天气条件下的单色大气散射模型，后来基于物理模型的方法几乎均建立在此模型之上。
改进的基于暗原色先验的图像去雾算法
改进的基于暗原色先验的图像去雾算法蒋建国;侯天峰;齐美彬【期刊名称】《电路与系统学报》【年(卷),期】2011(016)002【摘要】Images captured in fog suffer from poor contrast and visibility. It is important to remove weather effects from the degraded image in order to make vision systems more reliable and more robust. An improved method is proposed to overcome the weakness of original algorithm. By including tolerance mechanism and adaptive efforts to fog, the improved algorithm can effectively deal with the sky, white object, and so bright area that do not meet the assumptions of dark channel, to overcome color distortion which is arise by using the original algorithm dealing with these areas. Experimental results show that such changes is feasible, to eliminate color distortion of the image, visibility can be significantly enhanced.%分析讨论了原暗原色先验去雾算法原理,指出其不足之处并推导出改进方法.通过引入一种容差机制,算法能更有效地处理不满足暗原色先验的明亮区域,纠正了这类区域错误估计的透射率,从而克服原算法在处理这些区域时产生的色彩失真.实验结果表明,这样的修改切实可行,恢复图像消除了色彩失真,视觉效果得以显著提高.【总页数】6页(P7-12)【作者】蒋建国;侯天峰;齐美彬【作者单位】合肥工业大学,计算机与信息学院,安徽,合肥,230009;安全关键工业测控技术教育部工程研究中心,安徽,合肥,230009;安全关键工业测控技术教育部工程研究中心,安徽,合肥,230009;合肥工业大学,计算机与信息学院,安徽,合肥,230009;安全关键工业测控技术教育部工程研究中心,安徽,合肥,230009【正文语种】中文【中图分类】TN911.73【相关文献】1.基于暗原色先验图像去雾算法的研究与改进 [J], 王亮;万舟2.基于改进的暗原色先验图像去雾算法 [J], 杨斌;林志贤;郭太良3.基于暗原色先验图像去雾的改进算法 [J], 李春江;禹素萍;许武军;范红4.基于改进的暗原色先验图像去雾算法 [J], 杨斌;林志贤;郭太良;5.基于暗原色先验的图像去雾改进算法 [J], 严莉; 王玮; 刘荫; 殷齐林; 刘越因版权原因，仅展示原文概要，查看原文内容请购买。
基于暗原色先验的去雾理论与算法的学习
暗原色先验去雾原理
暗原色先验去雾原理
• 上述推论中都是假设全球大气光A值是已知的，在实际中，我们可以借助于 暗通道图来从有雾图像中获取该值。具体步骤如下： • 1） 从雾化暗通道图中按照亮度的大小取前0.1%的像素。 • 2） 在这些位置中，在原始有雾图像I中寻找对应的具有最高亮度的点的值， 作为A值。 • 到这一步，我们就可以进行无雾图像的恢复了。由上式可知： • J = ( I - A)/t + A
基于暗原色先验的去雾理论与算法的学习报告
By唐建城 杨琪泽
去雾除霾现实意义
近几年空气质量退化严重，雾霾等恶劣天气出现频繁，PM2.5值越来越 引起人们的广泛关注。 在有雾天气下拍摄的图像模糊不清，清晰度不够，细节不明显，色彩保 真度下降，出现严重的颜色偏移和失真，达不到满意的视觉效果。 限制和影响了室外目标识别和跟踪、智能导航、公路视觉监视、卫星遥 感监测、军事航空侦察等系统效用的发挥，给生产与生活等各方面都造 成了极大的影响。 以公路监控为例，由于大雾弥漫，道路的能见度大大降低，司机通过视 觉获得的路况信息往往不准确，进一步影响对环境的判读，很容易发生
暗原色先验去雾原理
• 但是当t值很小时，会导致J的值偏大，从而使得图像整体向白场过渡，因此 一般可设置一阈值T0，当t小于t0时，令t=t0。在单幅图像去雾算法中，t0通 常被设置成0.1。最终恢复公式：
暗原色先验去雾原理
• 下面直接用上述理论进行图像恢复，去雾效果也是可以的，但边框会出现模 糊，左边是原图，右边是恢复后的图像
暗原色先验去雾原理
基于暗通道先验的单幅图像去雾改进算法
基于暗通道先验的单幅图像去雾改进算法基于暗通道先验的单幅图像去雾改进算法摘要：近年来，随着计算机视觉和图像处理领域的快速发展，图像去雾成为了研究的热点之一。
在单幅图像去雾中，暗通道先验算法是一种非常有效的算法。
本文提出了一种基于暗通道先验的单幅图像去雾改进算法，通过对暗通道进行优化得到更好的去雾效果。
实验结果证明，该算法在去雾效果和图像细节保持方面都达到了较好的效果。
关键词：暗通道先验算法；单幅图像去雾；图像细节保持 1. 引言在许多户外场景中，雾霾天气会导致图像质量下降，进而影响计算机视觉和图像处理的性能。
因此，图像去雾技术的研究对于提高图像质量和准确性具有重要意义。
在过去的几年中，许多基于单幅图像的去雾算法被提出，其中暗通道先验算法是一种广泛应用的方法。
2. 暗通道先验算法暗通道先验算法是一种利用图像中存在的暗通道来估计场景中全球大气光照的方法。
暗通道可以理解为图像中最暗的区域，它存在于几乎所有户外图像中。
该算法基于以下观察结果：在大气无光散射模型中，透射率和全球大气光照成反比关系。
因此，通过估计图像中最暗区域的暗通道来获得全球大气光照估计，并进一步计算出场景的透射率。
最后，通过修复的透射率和原始图像重建无雾图像。
然而，传统的暗通道先验算法在一些情况下存在一定的局限性。
首先，传统算法往往难以处理场景中存在强光源的情况。
这是因为在强光照射下，暗通道不再是局部最暗的区域，导致估计的透射率不准确。
其次，传统算法对于具有复杂纹理和细节的图像在去雾后可能存在伪影和失真问题。
3. 改进算法为了克服传统暗通道先验算法的局限性，本文提出了一种基于暗通道先验的单幅图像去雾改进算法。
改进算法分为以下几个步骤：3.1 强光源处理对于存在强光源的图像，传统算法往往难以准确估计透射率。
因此，我们在预处理阶段采用了一种强光源检测和过滤的方法。
首先，通过检测图像中较亮的区域来判断是否存在强光源。
然后，对于存在强光源的图像，我们利用图像分块和平滑操作来减弱其影响，使传统暗通道算法能够更好地适应这样的场景。
基于暗原色先验去雾算法的研究与改进
２ ０ １ ４年 ２月
成
都
信
息
工
程
学
院
学
报
Ｖｏ Ｌ２ ９ ＮＯ． １ Ｆｅ ｂ．２ ０１ ４
Ｊ Ｏ ＵＲＮ ＡＬ ＯＦ Ｃ ＨＥ ＮＧ ＤＵ ＵＮＩ ＶＥ Ｒ Ｓ Ｉ ＴＹ Ｏ Ｆ Ｉ Ｎ Ｆ ＯＲ ＭＡＴＩ ＯＮ Ｔ ＥＣ Ｈ ＮＯＬ ０ ＧＹ
以改进 。
１ 雾 天 条 件 下 的 图 像 增 强
１ ． １ 大 气 散射 物理 模型
何凯ｉ ￣Ｃ １ ５ ３ 的暗原色先验去雾方法是基于文献 ［ １ ８ ］ 的大气物理散射模型 （ 如图 １ 、 图２ 所示 ） 进行 的， 该模型
收 稿 日期 ： ２ ０ １ ３ ． １ １ — １ ５ 基金项 目： 四川省 ２ ０ １ ０基础研究计划项 目（ ２ ０ １ ０ ． １ Ｙ ０ １ ８ １ ）
摘要 ： 在雾天情况下 ， 室外 采集到的图像易受 到噪声 干扰 ， 质量降 低 ， 清 晰度下 降 。在对 常用 的几种 图像去雾
方法 的对 比分析 及研 究的基础上 ， 提 出了改进的基于小波变换结合 暗原色先验 去雾 的快 速算法 。通过小 波分解 可
求 出近似环境光 ， 对环境光 ， 大气光 的估计 ， 可对原图像进行复原 。实验表 明， 改进 的算法不但 去雾效果 明显 ， 图像 色彩 丰富 ， 而且可 以有效地减少 运行 时间 ， 提 高运 行速度。
Ｉ （ Ｘ ） 指平时拍摄到的有雾图像 ， Ｊ （ ） 为要恢复的无雾图像 ， Ａ（ ｘ ） 环境光成分 ， ｔ （ ｚ ） 是透射率 ， 图像去雾 就是通过估算环境光 Ａ（ ｘ ）， 透射率 ｔ （ Ｘ ）， 求出无雾图像 Ｊ （ ｚ ） 。方程 中的第一项 Ｊ （ ｚ ） ｔ （ ｚ ） 为衰减模型 ， 第二 项 Ａ（ ） （ １一 ｔ （ ） ）是环境 光模 型 。
基于暗通道先验的图像清晰化去雾算法研究
基于暗通道先验的图像清晰化去雾算法研究基于暗通道先验的图像清晰化去雾算法研究摘要：随着计算机视觉领域的发展，图像去雾技术在许多应用中得到了广泛的应用，例如无人机拍摄、视频监控等。
而暗通道先验是一种经典的图像去雾方法，它基于图像中存在的低亮度区域。
本文针对基于暗通道先验的图像清晰化去雾算法进行了深入研究，通过实验验证了该方法的有效性。
1. 引言图像去雾是一种重要的图像增强技术，在许多应用中发挥着关键作用。
然而，由于大气散射的影响，图像可能会出现模糊、低对比度的现象。
因此，图像去雾算法的研究成为了计算机视觉领域的热点问题之一。
2. 暗通道先验原理暗通道先验是一种基于全局的图像先验知识。
它认为，在大部分的自然图像中，至少有一个通道的像素值在某些区域非常接近于零。
这一观察启发了基于暗通道先验的图像去雾算法。
3. 基于暗通道先验的图像去雾算法基于暗通道先验的图像去雾算法主要包括以下几个步骤：（1）估计全球大气光照：通过计算每个像素点在RGB三个通道上的最大值来估计全球大气光照。
（2）计算暗通道：对输入图像进行滤波操作，得到每个像素点的暗通道。
（3）估计透射率：通过计算每个像素点的暗通道除以全球大气光照，得到透射率。
（4）恢复原始图像：根据透射率和全球大气光照，对输入图像进行去雾处理，恢复清晰的图像。
4. 实验结果与分析本文通过实验对比了基于暗通道先验的图像去雾算法和其他经典的图像去雾算法。
实验结果表明，基于暗通道先验的图像去雾算法在提高图像清晰度和对比度方面具有较好的效果。
5. 算法优化尽管基于暗通道先验的图像去雾算法具有较好的效果，但仍然存在一些问题。
例如，对于包含高光和投影阴影的图像，该算法可能会导致一些伪影。
因此，对算法进行进一步的优化是有必要的。
6. 结论本文针对基于暗通道先验的图像清晰化去雾算法进行了深入研究。
通过实验验证了该方法的有效性。
然而，该算法仍然存在一些不足之处，需要进一步改进。
未来，我们可以通过结合其他图像处理技术来改进和优化该算法，提高图像去雾效果。
基于暗通道先验的单幅图像去雾算法改进
粒子对光线的传播影响，从根本上解释了有雾图像
的。到目前为止，对于去雾算法的研究主要包括以
的成像过程及原理，然后通过数学建模实现大气散
下两类方法，第一类是基于图像增强的去雾方法，
该类方法主要是通过对有雾图像中的灰度、对比度ห้องสมุดไป่ตู้
∗
射物理模型。目前的方法主要有：Tan［5］提出有雾
图像的对比度要比无雾图像要低并且大气散射物
道先验的单幅图像去雾改进算法。首先通过两种不同的暗通道图像获取不同的透射率粗估计，联合这两种透射率粗估计，
利用引导滤波器对其进行初步优化，针对天空范围内透射率估计偏低，对天空范围内的透射率进行补偿，再次使用引导滤波
器优化透射率，利用四叉树多层次搜索获取大气光的准确值。最后通过大气物理模型，获得去雾图像。结果表明论文算法
Vol. 47 No. 11
2890
总第 361 期
计算机与数字工程
Computer & Digital Engineering
第 47
2019 年第
11 卷
期
基于暗通道先验的单幅图像去雾算法改进
缑新科
孙维江
（兰州理工大学电气工程与信息工程学院
摘
要
∗
兰州
730050）
针对基于暗通道先验去雾算法存在的时间复杂度高，复原图像的天空范围内颜色失真等问题，提出基于暗通
的运算时间相对于软抠图方法缩减 90%以上，并且可以有效地处理包含天空区域的有雾图像。
关键词
天空区域；两种暗通道；引导滤波；透射率补偿；四叉树多层次搜索
中图分类号
TP301.6
DOI：10. 3969/j. issn. 1672-9722. 2019. 11. 049
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于暗原色先验图像去雾算法的研究与改进作者：王亮万舟来源：《软件》2017年第09期摘要：暗原色先验算法在单幅图像去雾方面有较好的效果，但该算法对处理器要求较高，且耗时长，很难应用于对实时性要求较高的图像去雾。
针对这一问题，提出了一种基于暗通道先验的改进算法：首先用高斯滤波替代软抠图方法消除块状效应、平滑透射率，根据给定的雾浓度系数粗略恢复无雾图像；然后增大雾的浓度系数，结合峰值信噪比和暗原色先验算法对图像进行去雾处理，最终恢复无雾图像。
与典型的去雾算法相比，改进后的算法运算量显著减少，保证去雾效果的同时计算速度明显提高。
关键词：暗原色先验；图像去雾；高斯滤波；峰值信噪比0 引言目前，无人机广泛用于航拍、交通监测、空中侦察和测绘等方面。
其轻便、机动灵活、隐蔽性强的特点，使其具有很高的应用价值，越来越受到人们的重视。
然而无人机雾天执行任务时，由于大气中气溶胶对光线的吸收和散射作用，造成无人机拍摄图像质量下降。
图像的退化和模糊使得图像中基本信息特征失真受损，导致目标识别不清。
因此，对无人机图像进行去雾技术研究意义重大。
雾天下由于从目标物体反射的光线与大气粒子的相互作用，发生折射、散射、吸收融合等光学现象，造成能量大幅衰减，感光装置接收到的光线强度发生变化，从而引起图像灰度值分布过于集中、像素间的对比度降低等。
目前无人机去雾算法主要分为两类：基于图像处理的图像增强，通过对雾化图像锐化处理提高对比度，凸显图像中的细节信息，但会造成一定的细节丢失，并不能真正地实现去雾。
该类方法主要包括gamma校正、直方图均衡、小波变换、对比度拉伸等；第二，基于物理模型的图像复原，通过对整个过程清晰的了解构建物理模型，反演退化过程，获得清晰无雾的图像。
该类方法主要包括基于偏微分方程、基于深度关系、基于先验信息等。
如基于暗通道先验的图像去雾算法，虽然能获得较好的清晰度和对比度，但该基于先验信息的方法依然存在计算复杂，明亮区域透射率估算不准确，色彩过于饱和等问题。
总体而言，利用图像复原的方法具有内在优越性，已成为图像去雾技术研究的热点与难点。
因此，提出了一种改进的基于暗通道先验的去雾算法：用高斯滤波代替软抠图处理，平滑透射率，根据给定的雾浓度系数ω获得一组去雾后的图像，结合峰值信噪比和暗原色先验对图像进行进一步的优化。
1 暗原色先验图像去雾算法1.1大气散射模型McCartney的大气散射模型广泛的用于在计算机视觉和图形学领域中。
根据衰减模型和环境光模型可以得到：I（x）=J（x）t（x）+ A（x）（l-t（x））（1）式中，x为图像像素坐标，I（x）为有雾图像，J（x）为无雾图像，A（x）整体大气光值t（x）为透射率。
1.2 暗原色先验He等人通过对大量的户外无雾图像观察、统计得出暗原色先验规律：绝大多数的户外无雾图像的每个局部区域都存在至少一个颜色通道的强度值很低的像素，其值近似为零。
对于户外图像J（x），用公式定义如下：其中，J c表示图像J的某一个颜色通道，c表示图像r、g、b三个通道的任意一个，Ω（x）表示以像素为中心的一块区域，j dark表示图像J的暗通道。
1.3 基于暗原色先验图像去雾算法He算法主要流程如图1所示：1.3.1 求解整体大气光值图像中最不透明、亮度最高的像素被看作大气光。
但在实际中，当图像中有大片天空区域、白色建筑物或受到强烈的光照，会导致大气光值A估算不准确。
为了提高大气光值估计的准确度，可用暗通道图像排除此类干扰。
先在暗通道图像中选取亮度为前0.1%的像素，然后在原始有雾图像中找到该像素位置所对应的最高亮度点的值作为图像的整体大气光值估计。
1.3.2 求解透射率首先，假设每一个窗口内透射率t（x）为常数，定义为t（x），且A值已给定。
对式（1）左右两边同时除以A并求两次最小值（暗通道）运算，得到下式：根据暗原色先验可知，前暗通道图像近似为零，即（3）式右边第一项为零，因此透射率初始估计为：现实生活中，空气中存在着一些颗粒，保留一定程度的雾会使图像更加真实，因此在公式（4）中加入一个调整因子ω（0由此可求出透射率t（x）的初始估计，但对应的透射图存在严重的块效应。
为了解决该问题，He采用软抠图的方法经行优化处理，获得更为精确地透射率，通过解线线方程组得到透射率t（x）.式中λ为引入参数，L为图普拉斯描图矩阵。
1.3.3 复原图像将计算的透射率t（x）和整体大气光值A带入公式（1），就可以恢复出J（x）。
其中，to为设置的阈值，有效解决了将透射率带人公式直接汁算去雾结果得到的J（x）接近于噪声这一问题。
2 改进暗原色先验去雾算法He提出的暗原色先验理论假设元点邻域具有相同透射率，而实际上各像元的透射率并不相同，所以去雾后图像往往会存在小块状光晕，即所谓的“halo”效应。
为提高透射率精度，必须对暗原色理论所求得的透射率（式（4））进行平滑与细化。
虽然He采用软抠图的方法能有效消除块状效应，但当图像中有大片天空区域或白色建筑物时，整体大气光值估计依然不够准确。
且在用该方法优化透射率即用拉普拉斯矩阵求解线性方程组时，其时间复杂度占用整个去雾算法的80%以上。
该方法的缺陷，在一定程度上限制了其在无人机图像去雾方面的应用。
因此，提出了一种改进的去雾算法，在基本不影响去雾处理效果的基础上缩短算法耗时，极大地提高了计算速度。
2.1 高斯滤波平滑透射率图像处理中比较经典的线性平滑滤波技术是高斯滤波，因此本文采用高斯低通滤波器代替softmatting算法。
对透射率进行高速的平滑操作，提升暗通道先验去雾算法的速度。
高斯滤波就是将图像与正态分布卷积，即将图像中的每一个像元点的值，转化为由该像邻域内所有像元值的加权平均。
该传递函数如式（8）所示：其中：表示高斯卷积模板，表示高斯函数即高斯核。
估计透射率通常选取大小为15×15的模板，为保证消除透射率图的块效应和图像不失真，选取模版应与求解暗原色图时分块大小一致。
滤波过程中，权值的定义与像素之间空间距离成正比，因此可用高斯滤波平滑透射率来得到优化后的透射率。
该部分算法主要流程如图2所示：实验比较结果如图（3）所示。
其中（a）为有雾图像，（b）为He算法透射率图，（c）为高斯滤波平滑透射率图。
通过透射率图像对比可知：经高斯滤波平滑处理过后的透射率，在有效消除块状效应和纹理部分的同时，又保留了场景的轮廓信息，且处处平滑。
2.2 峰值信噪比图像包含着物体的大量信息，然而在图像的获取、传输和储存过程中常因噪声的干扰而使图像降质。
为了进一步改善图像质量，本文采用使用最普遍、最广泛的评鉴面质的客观量方法PSNR即峰值信噪比。
PSNR值越大，表示图像失真越少，保留信息也就越丰富[16]。
公式描述为：式中，MAX，表示图像点颜色的最大值即255，RMSE为标准差。
其中，I（x）为雾化图像，J（x）为改进算法处理后的图像，mxn为图像尺寸。
本文首先根据给定的雾浓度系数初始值∞获得暗通道先验的初始估计透射率；然后对初始透射率进行高斯滤波平滑处理，获得更准确的透射率；再结合整体大气光值A和公式（1）得到一组去雾前后图像I（x）和J（x）；根据公式（9）得到去雾前后图像的峰值信噪比PSNR；之后按给定的步长增大∞，代入公式（5）获得一组新的透射率；重复步骤（2）至（7）直至∞为1，获得几组新的去雾前后图像和PSNR值；最后，对各组PSNR值进行比较，选取PSNR最大值并输chu 与此相对应的去雾图像。
其流程如图4所示。
（1）根据文献[9]，设定雾的浓度初始系数值ω ，且0.8（2）由公式（3）由公式A=max（maxr（I dark（x））计算整体大气光值；（5）由公式I（x）=J（x）t（x）+A（x）（1-t（x））获得去雾后的图像J（x）；（6）结合公式PSNR=20log和去雾前后图像，计算峰值信噪比PSNR值；（7）设定ω 的步长（本文为0.05），并增大ω ；（8）重复步骤（2）至（7），得到几组新的去雾前后图像和PSNR值；（9）对几组峰值信噪比PSNR值进行比较，选取其中的最大值并输chu 与此相对应的复原图像。
3 改进算法实验与分析本文在操作系统Windows7，CPU为Inter（R）Core（TM） 15-5200 2.2GHz，内存4G的PC机上运行Matlab2014实验。
对三幅典型的实验图像分别采用几种典型的去雾算法和改进算法进行对比，去雾效果如图5所示。
从图5中可以看出He的暗通道去雾、Tarel等人的基于中值滤波的去雾都存在一个普遍问题：即对天空部分处理不好，天空往往会Jq』现较大面积的纹理及分块现象；Retinex理论在一定程度上对颜色信息进行补偿，但该算法参数设定过于复杂且白适应性较差。
为了进一步验证改进算法的有效性，对复原图像的质量评价采用标准差、平均梯度和信息熵作为度量指标。
其中，标准差反映了像素点的离散过程；平均梯度反映了图像的清晰度；信息熵是图像的平均信息量，反映了信息的多少。
本文以图5中三幅不同类型的图像作为讨论对象，其度量结果如表l所示。
从表1中可以明显看出：改进算法的各项性能指标大都优于几种经典算法，表明改进算法保证了图像的去雾效果，且自身保留的信息更加丰富。
He方法中对规模为M的线性方程组求解。
M为整个图像的像素总数（对于450×600的图像，M为270000）。
虽然矩阵L在系统中以稀疏矩阵的形式存储，但依旧需要大量存储空间和计算时间。
虽然He后来采用了导向滤波代替了软抠图处理，但这是在以牺牲图像质量的基础上来提高计算效率。
而采用改进后算法则有效避免了这一问题。
本文采用了几种典型的去雾算法测试了不同尺寸大小的图片，其时间对比如表2所示。
从表2中可以看出，改进后的算法极大地提高了计算速度，计算时间约为原方法的5%～10%。
4 结论本文基于暗通道先验在He的算法上加以改进，通过高斯滤波代替软抠图平滑透射率，降低了计算复杂度，提高了算法效率，使之能应用于对实时性要求不太高的无人机图像去雾；将峰值信噪比与暗原色先验理论相结合，在尽量不影响复原图像去雾效果的基础上确保了图像质量。
但本文算法并不适用于所有的无人机图像去雾，其算法速度和去雾效果还有待进一步加强。