1. 研究目的与意义（文献综述）

随着计算机技术的不断发展,信息化、智能化设备正逐步渗透到社会生活的各个方面,计算机视觉作为计算机应用的一个重要分支,已经广泛而深入地应用到交通监控、车载导航、辅助驾驶以及航拍侦测等诸多领域当中,然而在成像方面,恶劣天气的干扰始终是影响成像质量的重要因素,尤其近年来我国多数地区频频出现雾霾天气,给视觉系统的正常工作带来很大干扰,严重影响了图像的视觉效果和后续处理,因此,单幅图像去雾研究成为当前计算机应用领域的一个重要课题。通常情况下,室外的视觉系统都是以获取清晰的图像特征为前提的,需要较好环境条件,其对于天气条件比较敏感。雾天气在众多的天气类型中,是最多见的,在天气风力较小,且水汽在空气中含量比较大时,雾就会很容易产生。在有雾天气条件下,室外拍摄图像时, 会导致光线在从目标到传感器感光片的过程被严重散射并引起强度大大减弱,获取到的图像对比度下降,细节模糊不清。因而在有雾的时候,从室外采集到清晰的图片,以及提取到图像精确的特征就成了很大的难题,基于视觉系统的稳定可靠运行都是以此为前提的。由此可见,如果能够对雾霾天气拍摄的图像很好去雾,将会使得视觉系统能够适应于复杂的天气环境,并能继续可靠地工作。因此图像去雾算法研究是很有必要,且有重要的意义,性能高的去雾算法的普遍应用将会产生巨大的经济价值和社会价值。

图像去雾就是要对有雾天气下获得的图像进行增强或复原的技术,是为了以更好的方式对图像进行显示,方便人眼能够容易地看到更多的图像细节,也便于了视觉系统能够提取更准确的特征属性,并进行可靠的预判。去雾系统应用领域比较广泛,可以用在无人驾驶、监控、遥感航拍等很多需要清晰图像的应用上,具有非常重要的意义。Tan等根据无雾图像对比度高于有无图像的特点最大化地将图像局部对比度复原，但复原图像颜色通常过于饱和；Fattal假设大气的局部小范围区域内反射率恒定为常数，计算介质透射率最终复原出无雾图像，但其前提假设限制了该方法应用范围；何凯明等人提出了一种基于暗通道的图像去雾算法， Dark Channel Prior模型是基于室外无雾图像所建立的。该算法认为无雾图像在每个局部区域内都存在一个颜色通道值很低的像素，称之为暗原色；在有雾图像中，这些暗原色像素点会受到大气中白色光的影响而变的很亮，所以可以根据这些信息来直接估算出透射率，得到相应区域的景深，根据此规律，可以修复出局部的图像，该方法能够有效地对图像进行去雾，是目前去雾效果最好的方法。

2. 研究的基本内容与方案

①采集不同情况下的有雾图像；

②用基于暗通道先验的图像去雾算法对多幅图像进行处理；

③对基于暗通道先验的图像去雾算法进一步改进，使其处理效果更佳。

3. 研究计划与安排

第1-3周：收集、整理选题相关的文献资料，完成、完善方案论证，撰写开题报告；

第4-5周：认真学习选题相关的知识、理论和算法实现等，熟悉软硬件环境；

第6-8周：建立软硬件仿真模型、完成程序编写、仿真实验等，并做好相关记录及分析；

4. 参考文献（12篇以上）

[1]李尧羿,杜宇超,顾振飞.结合天空区域识别的单幅图像去雾方法[j].计算机工程与应用,2018,54(19):204-215.

[2]肖杰. 基于暗通道先验的雾霾天交通场景下退化图像复原算法研究[d].西南交通大学,2015.

[3]冯昕晨,穆平安.基于暗通道先验的图像去雾改进[j/ol].软件导刊:1-4[2018-12-29].

[4]罗佳. 基于非局部图像去雾算法研究[d].南昌航空大学,2018.