高清透霧攝像機圖像去霧技術(shù)：

　　如今不認(rèn)不知無人不曉的霧霾已經(jīng)成為人們心中的痛處，對于生活在霧霾比較嚴(yán)重的地方的人們來說，給生活帶來的影響是全方位的。

　　基于圖像處理的圖像增強技術(shù)應(yīng)用：

　　典型的霧天圖像增強方法有灰度直方圖變換方法、頻率域分析方法和基于色感一致性的Retinex算法等。

　　灰度直方圖變換方法是把有霧圖像的直方圖變換為均勻分布的形式，從而增加像素灰度值的動態(tài)范圍達到增強霧天圖像整體對比度的效果。

　　 頻率域中小波分析算法是采用基于小波分析的多尺度圖像增強算法，其主要思想是由于霧的能量主要集中在圖像的低頻部分，對高頻部分影響較小，所以在此基礎(chǔ)上對圖像的高頻和低頻分別進行增強或削弱以達到圖像清晰的目的。值得一提的是，目前有一種在小波變換基礎(chǔ)上發(fā)展起來的新的多尺度分析方法-曲波分析算法，特別適合于各向異性奇異性特征的信號處理，很好地彌補小波變換在圖像的曲線邊緣增強方面的局限性，能利用曲波變換的優(yōu)勢，采用基于曲波的消失點檢測對霧天圖像進行自動去霧處理。

　　色感一致性或稱為色彩恒常理論是基于人類視覺特點提出一種理論，認(rèn)為人的視覺系統(tǒng)能夠忽略環(huán)境中光照的變化而獲得穩(wěn)定的顏色感知。Retinex算法是建立在色彩恒常理論基礎(chǔ)上一種圖像增強方法，該算法通過視覺系統(tǒng)顏色不變性的特點，加強因為霧的干擾而被弱化的光照，從而達到對圖像增強的目的。

　　 基于天氣物理模型的圖像復(fù)原方法：

　　 (1)多幅圖像合成場景深度模型的方法

　　早期的復(fù)原算法是利用場景深度求解大氣散射方程從而獲得清晰圖像，隨后便出現(xiàn)了利用不同天氣條件下同一場景的多幅圖像合成場景深度模型的方法，均取得了較好的效果，但受客觀條件的限制，估測的場景深度往往不夠準(zhǔn)確，同時由于缺乏足夠先驗條件加以約束，容易導(dǎo)致復(fù)原的結(jié)果與實際不符。

　　(2)光的極化角度分析與偏微分方程

　　后來，人們從光的極化角度對霧進行分析，利用同一場景下的多幅圖像把被霧散射的光線分離為水平極化光和垂直極化光，設(shè)計相應(yīng)的濾波器消除霧對光線的影響，達到去霧的目的，這種方法去霧效果明顯，圖像失真小，但是計算量過大，難以應(yīng)用于實際。此外，偏微分方程在霧天圖像復(fù)原領(lǐng)域中也有廣泛的應(yīng)用，主要方法是在大氣散射模型的基礎(chǔ)上，建立霧化圖像對應(yīng)的梯度場，然后根據(jù)圖像景深與梯度的關(guān)系構(gòu)造偏微分方程并求解獲得清晰的圖像，該方法能夠?qū)崿F(xiàn)單幅圖像的盲去霧，但是構(gòu)造和求解偏微分方程的過程繁瑣，同樣難以實現(xiàn)。

　　 近年來，眾多研究者致力于如何針對單幅降質(zhì)圖像按照圖中霧氣濃度的變化達到徹底去霧的效果：通過統(tǒng)計發(fā)現(xiàn)，無霧圖像相對于有霧圖像必定具有較高的對比度，從而我們可以利用最大化復(fù)原圖像的局部對比度來達到去霧的目的，該方法能極大的增強圖像的對比度，但是容易導(dǎo)致圖像的顏色失真，并且在場景深度不連續(xù)的地方會產(chǎn)生光圈效應(yīng)，.

　　(4)光線的反射估算方法

　　由于物體表面的反射率是固定不變的，與其表面的光照強度無關(guān)，因此也可以利用景物對光線的反射估算光線的透射程度達到去霧的目的，但是該算法要求圖像局部存在不同的色彩，因此當(dāng)霧的濃度很大、圖像接近白色時，就無法估計得到相應(yīng)參數(shù)，導(dǎo)致去霧失敗。而且這種方法只對彩色圖像有效，并且計算量較大.

　　 (5)基于暗通道先驗的單幅圖像去霧算法

　　基于暗通道先驗的單幅圖像去霧算法是在2009年被提出的一種簡單有效的圖像復(fù)原方法，該方法建立在一種自然界中普遍存在的暗通道先驗的基礎(chǔ)上，由于晴天拍攝的戶外圖像中總存在一些“暗點”，這些“暗點”至少有一個顏色通道的值很低，所以當(dāng)圖像受到霧的干擾時，這些原本很低的值由于受到大氣散射光的影響而大幅升高，利用這些點就可以估算出拍攝場景中霧的濃度，并復(fù)原出清晰的無霧圖像。但這種方法只能粗略估算出圖像大氣光的分布，需要結(jié)合軟摳圖或雙邊濾波算法對透射率進行優(yōu)化.

　　采用數(shù)字圖像處理技術(shù)對圖像進行處理的方法有很多種，歸結(jié)起來，仍然是傳統(tǒng)的兩類：一類圖像增強，另一類是圖像復(fù)原。圖像增強方法是從圖像呈現(xiàn)的低亮度和低對比度的特征考慮，按照特定需要突出圖像中的某些信息，削弱或去除某些不需要的信息來完成的;圖像復(fù)原是從基于物理模型的天氣退化圖像復(fù)原方法，從物理成因的角度對大氣散射作用進行建模分析，實現(xiàn)場景復(fù)原。在復(fù)原過程中，一般先利用各種先驗知識估計模型中的參數(shù)，最后求解方程從而計算出清晰的圖像。兩種方法相較，基于復(fù)原去霧算法從原理上實現(xiàn)去霧，對霧的估計更準(zhǔn)確，能夠真實地還原霧前的清晰圖像，針對性強，得到的去霧效果自然，一般不會有信息的損失。