第 1 章 绪论
1.1 去雾算法研究的背景及意义
2016 年，“雾霾”成为年度热搜。据有效数据统计显示仅 1 月份就发生了 4次非常严重的雾霾，覆盖了 30 多个省(区、市)，而对于中国的“雾都”北京，这一个月仅有 5 天非雾霾天气。数据发现，中国较大的 400 多个都市中，仅有不足 1%的地区符合世界卫生组织提出的空气质量标准。而且世界上污染较为严重的几个城市，中国城市占据 70%左右[1]。频繁出现的雾霾天气，明显减低了环境质量，不仅严重威胁着人体健康，还给人们的出行以及城市交通造成了诸多不利，尤其对图像、视频监控系统等造成严重影响。
.............................
1.2 图像去雾技术的研究现状
近几年，图像去雾(Image dehazing)技术引起众多学者的重视。有关图像去雾技术的相关研究最早的是 1988 年Oakley等人[6]的科学研究。经过国内外学者二十多年的深入研究，图像去雾技术已经取得了不错的研究成果，并且有些算法被广泛应用于工程实际中。已知图像去雾处理是为了减弱因大气因素对图像质量造成的不良影响，主要通过增强图像的对比度、改善图像的视觉效果[7]。该技术主要包括基于图像增强和基于图像复原的去雾技术[8]。
.............................
第 2 章 雾天图像特征分析及去雾理论研究
2.1 人类视觉系统的特性及雾化图像的特征
针对不同场景下雾化图像的特征的分析，本节给出了无雾场景、薄雾场景和浓雾场景下的三幅图像以及它们所对应的彩色散点图和三色直方图。如下图2-1 所示。从图像的彩色散点图看出，清晰图像的散点图分布范围相对较大，说明图像中像素值的动态分布范围较大；雾化图像的色彩值分布集中，并且随雾浓度的增大，散点图分布越窄，表示雾化图像的像素值的动态分布范围较小，图像的颜色衰减的更严重，图像细节信息更少[22]。
.............................
2.2 大气散射物理模型
雾天情况下，入射光线和大气中悬浮的大量微粒之间发生着非常复杂的交互作用，影响图像接收设备采集到的图像的质量。光从目标景物表面到达图像接收设备的过程中，光线会被大气中的悬浮粒子吸收、散射以及辐射。在这些影响因素中，辐射和吸收对图像退化的影响比较小，散射的作用较大，是造成雾天图像退化、大量的细节信息丢失的主要原因。本章介绍的大气散射模型是分析雾天图像退化机制、复原降质图像的主要依据，是分析雾天图像对比度降低、图像特征减弱等特性的理论基础。
.............................
第 3 章 基于 DCP 算法的图像去雾............................17
3.1 典型去雾算法效果比较........................................17
3.2 DCP 去雾算法概述............................. 26
第 4 章 IDCP 去雾算法的实现过程.........................33
4.1 DCP 算法的测试结果分析................................ 33
4.2 双边滤波和最大值滤波法细化透射率................36
第 5 章 图像去雾人机交互平台的设计............................. 42
5.1 人机交互平台设计的目的............................42
5.2 人机交互平台的设计................................43
第 5 章 图像去雾人机交互平台的设计
5.1 人机交互平台设计的目的
已知，针对单幅图像实现快速清晰化处理的算法很多，为了方便学者在研究图像去雾时，更快、更直观的了解各算法的处理效果和处理时间，本章将介绍用于实现图像去雾处理的人机交互平台的设计过程。本文设计的去雾平台适用于多种不同格式的雾化图像，可以选择不同的去雾算法进行去雾处理。该平台运行在操作系统为Windows7的PC机上，且PC的配置是内存为3G ，处理器为酷睿 i5，集成开发环境是VS2012。本文在 MFC框架下，设计的用于图像去雾的交互平台主界面如图 5-1 所示。
.............................
5.2 人机交互平台的设计
设计去雾平台需要考虑各部分控件的部署及其实现的功能，然后将基于Win32 编写的程序嵌入到 MFC 中，完成系统的设计。图 5-1 显示了平台的主界面，包含了软件基本功能实现所必须的一些控件。主菜单内容包括：“选择图像”、“算法”、“用时”、“保存图像”等控件。“选择图像”按钮的功能是：能够载入 BMP、JPG、PNG、JPEG、TIF 等格式的原始雾化图像。“算法”后面的下拉框的功能是：根据需要选择去雾算法实现图像的去雾。其中已经载入该平台的去雾算法包括：直方图均衡化法去雾、Retinex算法去雾、HE 算法去雾、本文改进算法去雾。“用时”用于统计算法的运行时间。去雾图像会在界面的右部分显示，方便用户对去雾效果主观性评价。平台还将去雾算法中涉及到的一些主要影响参数显示出来，方面用户体验各参数变化对去雾效果的影响。该平台利用不同算法处理同一原始雾化图像时，只需输入一次，因为各去雾方法之间的切换互不影响。
.............................
结论
本文围绕恶劣气候条件下图像清晰化处理中的图像去雾技术开展研究，深入探讨了雾天环境下引起图像发生降质的物理因素，并从图像增强和图像复原两方面去研究去雾技术。本文主要是基于何凯明提出的 DCP 算法展开深入讨论，详细介绍了 DCP算法进行去雾处理的具体实现过程。针对 DCP 算法中需要求解大型稀疏矩阵造成运算量大问题和在雾化图像包含大范围天空及白色场景下复原图像极易失真问题，本文在 DCP 算法的基础上进行改进，提出了 IDCP 算法。
参考文献（略）
