第 1 章 绪论
1.1 研究背景及意义
雾霾是一种大气现象；它是一定的天气条件与人类生产生活相互影响产生的的结果。雾霾中含有对人类呼吸有害的颗粒；它不仅给人们身体的康健带来了隐患，而且对图像可视化的应用也有一定的消极影响。在现代化的今天，人们获得的信息数据的载体也越来越丰富；其中图像是信息传递的重要载体之一。人们可以从图像或者视频中获取所需信息。公共的视频监控在生活生产中对每一名公民起到了监督的作用；实时的路段监控可以协调交通的畅通无阻；无人车无人机的摄像机使得其实时的感知周围的事物。
由于雾的出现，有价值的信息很容易被模糊化甚至被覆盖。雾对图像信息的腐蚀和模糊化，给获取的图像信息数据增添了不容小觑的挑战。如图 1-1 在雾天时，由于空气中混杂的介质对光具有吸收和散射作用，雾气会模糊人们的视线给交通带来了很大的安全隐患；同时路段的监控不能正确有效的反应实时路况，有可能造成交通阻塞；以及导致无人车和无人机错误地感知周围事物的几率变大，给外出的人们带来了潜在的危险。
.....................
1.2 国内外研究现状
目前无人车技术的快速发展，使得图像去雾的技术备受关心和重视；在此方面，国内外的学者们已经取得了不错的成果。在文献[1]中将有雾图像可视化的技术分为两大类：其一是基于人工经验设计的图像去雾算法；它是研究人员通过大量的观察、统计图像的信息，从中获得有效的经验信息，然后构建各种各样的特征来实现图像去雾的算法。另一种则是基于深度智能实现图像去雾；利用深度学习学习雾的特征，然后从雾图中剔除雾的相关信息，接着获得无雾的图像。近几年恢复有雾图像的方法更细致的划分如图 1-2 所示。
.....................
第 2 章 相关理论基础
2.1 雾天气的形成原因
雾天大多数发生在秋季或者冬季；雾是由大气中的水气形成的。大气中可以包含水气的量是有一定限度的。大气中可以包含的水分的量和温度是成正相关的；随着温度的升高，空气中包含的水也就越多，同理随着温度的降低，水的含量相应就越少。在某个温度下如果大气中含有的水气超过了饱和状态的程度，那么空气和水气的平衡状态就会被打破；超出的部分就会被析出来，液化成小水滴；小水滴和空气中细小的微粒或者尘埃混合在一起，就变成肉眼可见的小水珠。如果天气比较湿润，而且昼夜温差比较大就容易形成雾；因为白天温度高空气中含有的水气就比较多，夜里随着温度的下降空气饱和状态含有的水气也就会减少，那么大气中含有的水气就会被液化出来；早晨温度比较低，液化出来的水就会变成雾；随着温度的升高，雾气也会消散。这就是雾气形成的原因。
雾是呈纯白色的；当太阳光透过一个透明物体时，只有和该物体颜色相同的太阳光可以透过，而其他不同颜色的光都被该物体吸收掉了。透明且无色的物体（例如冰）可以透过各种颜色的光。由于水变成雾之后会产生许多光线无法通过的反射面，所通过的光线都被反射了，所形成的雾便是白色的。
......................
2.2 大气光散射模型
2.2.1 光介质
光的传播是不用借助介质来完成的，由于介质的存在给光的传播带来了一定阻碍作用。光介质就是光能够在其中传播的介质。在我们的生活中光无处不在，正是因为它的存在我们才可以看到周围的环境，才能辨别不同的事物。介质的存在可能对光起到一定的散射或者是阻碍作用。光介质中的粒子的种类和大小包括它们的浓度是影响天气的主要原因。有雾的天气使得光介质的浓度变高，这时雾对光的传播起到一定散射和阻碍作用；这样就造成了光在传播过程的衰减，使得光感设备接收到不完整的信号。
2.2.2 大气光散射机制
光介质中的微粒散射光线的方法取决粒子的性质、形状以及大小；尤其和粒子的大小有很大的关系[39]，一个小粒子在向前和向后方向上几乎均等地散射，一个中等大小的粒子向前散射更多，大粒子几乎完全散射向前。
图 2-1 是单个粒子散射图。显然，单个的粒子一定被其他的粒子重重环绕；由于粒子间平均的距离是其直径的好几倍，我们可以将粒子视为单个的散射体，且散射强度是独立的。
...........................
第 3 章 一种基于传播滤波恢复单幅图像可见性的算法.............................19
3.1 恢复单幅图像可见性的去雾模型........................... 19
3.2 白平衡估计大气光值.........................19
第 4 章 基于恢复单幅图像可见性算法的改进..................................31
4.1 利用白平衡估计透射率.................... 31
4.2 提高去雾图像的亮度............................32
第 5 章 总结与展望.............................41
5.1 总结....................................41
5.2 展望..........................41
第 4 章 基于恢复单幅图像可见性算法的改进
4.1 利用白平衡估计透射率
在传统的物理成像去雾算法中需要估计大气光值 A和透射率 t ( x )，再将其代入物理成像模型实现去雾，例如比较经典的 DCP 去雾算法[21]就是通过 DCP 算法估计透射率，将大气光值 A赋值为图像中最亮的前 0.1%的像素的平均值，再将这两个参数值代入传统的去雾模型公式(2.16)当中实现去雾。而在文献[38]中将透射率和大气光值进行了统一，第三章的内容是继承了这个思想将大气光成分A( 1 t ( x ))用 v ( x , y )来表示，并利用传播滤波优化大气光成分的方法更好的保持原图像的边缘信息；但是在图像的强边缘区域去雾的效果不理想。于是本章将透射率 t ( x )和 A进行分离，细化透射率达到强边缘去雾。由于在白平衡的条件下大气光值 A =(1,1,1)是一个确定的值，那么就可以利用公式(4.2)快速地分离出来透射率 t ( x )。
.......................
第 5 章 总结与展望
5.1 总结
图像去雾给交通、公安侦查、无人车、无人机和修图提供重要的辅助作用，在图像去雾方面还存在较大的难题，比如存在获取有雾图像的数据信息比较困难、去雾算法的时间复杂度高等问题。以往的方法耗时比较严重，那是因为对透射率和大气光成分的估计比较复杂；但是本文借助白平衡后，雾是白色的特点直接快速地估计大气光成分和透射率实现快速去雾。
单幅图像快速去雾模型巧妙地与白平衡的方法相结合，在特定的条件下利用雾的颜色可以快速实现去雾。然而利用中值滤波对大气光成分进行优化，去雾后的图像细节保留不完整。因此本文用传播滤波对大气光成分进行优化，提出一种基于传播滤波快速恢复单幅图像可见性的算法。单幅图像快速去雾模型中将大气光成分和透射率进行了统一，但在强边缘区域去雾的效果不理想。因此本文提出了这一种改进的单幅图像可见性的算法同时本文通过实验和对比分析，验证了所提出方法。
参考文献（略）