1. 研究目的与意义、国内外研究现状（文献综述）
雾天环境下的大气散射影响使得拍摄出来的景物能见度和对比度降低、动态范围缩小、模糊不清、细节信息不明显或部分缺失，以及严重的颜色偏移与失真，从而直接限制和影响户外目标识别、智能导航、公路监控、卫星监测、航空侦察等系统功能的发挥。因此，图像去雾对提高视觉系统的可靠性和鲁棒性有重要的现实意义。
目前图像去雾方法主要有两类，一类是图像增强处理，这类方法虽然一定程度上改善了视觉效果，但并不是实质上的去雾[1]。另一类是图像复原，这类方法基于图像退化原因和大气散射规律建立退化模型，充分利用退化的先验规律，具有一定的内在优越性。在计算机视觉领域，对于多幅降质图像，在场景深度和大气条件已知的情况下，已能自动地恢复场景的颜色和对比度。对于单幅图像，文献[2,3,4]提出了依据深度信息实现单幅图像去雾的算法。但是由于雾所依赖的深度信息未知，所以单幅图像去雾处理需要依靠一定的强有力的先验、假设或约束条件。暗通道先验（ ）理论是由he kaiming等人[5]首先提出的一种具有代表性的简单有效的单幅图像去雾先验知识。暗通道先验理论是一种对于无雾图像的统计规律，这种假设对于绝大多数有雾图像都能很好的估计出大气透射率 ，公式如下（ 为调节因子）：
. (1)
2. 研究的基本内容和问题
目标：针对单幅户外雾化图像，利用暗通道优先规律，以及简化的koschmieder模型估计介质透射率，设计并实现算法完成图像去雾功能。
内容：基于暗通道先验的理论的改进去雾方法。
1.暗通道先验理论
3. 研究的方法与方案
研究方法：
查阅大量相关书籍和教材，熟悉掌握图像处理的各种方法，了解前人的研究方法及成果，对收集查找的相关材料进行分析整理；与同学、老师讨论交流；进行实验验证。
技术路线：
4. 研究创新点
传统的图像去雾算法从图像增强处理角度处理图像，虽然一定程度上改善了视觉效果，但并不是实质上的去雾。早期图像复原方法又需要许多大气条件和深度信
息的附加信息，而实际应用无法获得全部信息。基于暗通道先验是图像去雾领域客观存在的统计规律，具有内在的优越性，能够较好的模拟图像雾化过程。本课题基于暗通道先验理论，并经观察发现图像边缘变化与透射率的深度变化区域重合，作出合理假设，并修改原方法中耗时最长的透射率优化函数，预期能够提高算法效率，也能细化去雾的效果，对图像去雾的实时应用具有积极意义。
5. 研究计划与进展
2013.12-2014.01深入学习暗通道先验规律及现有的去雾算法，比较分析各算法的优缺点。
2014.02-2014.03基于现有方法，针对原始算法存在的缺陷和不足，设计具体的新算法。预期本阶段初步形成新模型。
2014.03-2014.04进入实验验证阶段，针对实验处理的实际情况改进模型形成成熟的算法。预期本阶段能够基本达到课题的研究目标。
