1 课题背景需求
随着全球变暖现象加剧，雾和霾等能见度稍低天气逐渐增多，这也给人们生活带来了不便，同时使交通管理和安全部门等图像采集工作受到雾和霾的限制，这对于后期处理图像工作到来了很大的困扰。
雾是近地面空气中的水蒸气发生的凝结现象，雾的形成有两个基本条件：一是近地面空气中水蒸气含量充沛，另一方面是地面气温低。地面热量的散失，会使地面温度降低，同时会影响接近地面的空气，使空气的温度也随之降低。如果地面附近的空气相当潮湿，当温度降低到一定程度时，空气中的部分水汽就会凝结出来，变成很多小水滴，悬浮在靠近地面的空间里。当靠近地面的空气层中的小水滴多了，能见度就降低了，这就形成了雾。
所谓雾霾，是指空气中含有的氮氧化物、颗粒物的总量过大，导致空气的能见度偏低，大气中出现浑浊。主要由于工业污染排放出的工业尾气，混入大气中，导致空气中的固体粒子变多，从而使视野变得模糊不清，也对人们身体健康有着一定危害。
拍摄雾和雾霾天气下的图像，往往会因为大气散射，造成图像对比度、色彩、清晰度和分辨率等出现不同程度的退化，导致户外摄像系统利用率在能见度低条件下大大降低，为正常的工作生活到来很多不变，所以针对图像去雾技术研究应用需求很大，也具有很高的学术价值和现实意义，又因为该技术与计算机视觉和成像器件联系很大，所以图像的去雾技术也具有很大的潜在研究价值。
2 国内外研究现状
图像的去雾技术发展也已经有几十年的历史，现有图像去雾算法主要分为两种：一种是基于物理模型图像复原的图像去雾技术；另一种是基于图像增强的图像去雾技术：
2.1 基于物理模型图像复原的图像去雾技术
这种图像去雾技术利用了大气散射模型来恢复有雾图像，近些年基于大气散射模型的图像去雾技术热度不减。文献[1][2] Narasimhan和Nayar在McCartney的衰减模型和环境光线模型的基础上推导出有雾图像退化模型，并且实现了图像去雾。在这个模型的基础上，有很多学者对其进行了研究和发展。文献[3]Fattal也创建了一种模型认为物体的阴影和反射率是局部不相关的，之后又利用独立成分分析计算透射率。文献[4]Tan通过局部对比度最大化实现了增强图像对比度，这种方法有效地解决了彩色图像和灰色图像问题。之后，应用最多的是香港中文大学何凯明博士[5]等提出的暗通道先验去雾算法，这种方法是通过对大量无雾图像统计规律得出的，然后根据大气散射原理进行图像复原，处理得到的图像自然而且效果很好。近几年，这种方法又得到了进一步的发展，例如何凯明在2011年提出的引导滤波优化透射率得到复原图，但是这种方法存在估值偏差大，且容易造成图像整体亮度偏暗。2016年王雅婷等人在这个理论基础上提出了基于暗原色先验的但幅图像快速去雾算法[6]该算法通过标出景深突变区域对暗原色值进行细化，并对透射率进行引导滤波优化，同时利用一种自适应的容差机制对填空非阴影区域的透射率进行修正，最后利用大气散射模型推出得到去雾处理后的图像，这种算法具有一定的时效性，但是在饱和度和对比度方面有一定的损失。2019年黄鹤等人提出了多尺度窗口的自适应透射率修复的图像去雾算法[7]，该算法有效处理了明亮区域颜色失真和分块处理造成的白边效应，但是不具有时效性。
