针对暗通道先验去雾算法中透射率估值不准确以及天空区域或大面积白色区域去雾后存在颜色失真等问题,提出了一种基于超像素分割和暗亮通道结合的单幅图像去雾方法。首先采用超像素方法对有雾图像进行分割,将得到的超像素块代替暗通道固定方形滤波窗口;其次,采用暗通道与亮通道先验理论结合的方法获取透射率,使透射率估值更准确;然后,在天空区域通过阈值分割结合亮通道先验理论确定大气光值,并利用融合梯度信息的引导滤波方法优化透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,所提方法得到的透射率和大气光值的估值准确

低照度环境下图片质量会下降。同时, 悬浮在空气中的烟雾、粉尘等物质形成的雾、霾, 会导致图像的细节模糊不清, 对户外拍照和计算机视觉应用造成了极大的影响。因此, 对退化图像进行去雾处理, 提高图像质量, 在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型, 提出一种空气光散射模型, 通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题, 恢复图像的细节和颜色, 提高图像的视觉

针对传统暗通道先验易在高亮度区域失真和产生光晕效应的不足，提出一种基于补偿透射率和自适应雾浓度系数的雾天图像复原算法。首先利用高斯函数拟合有雾和无雾图像间的衰减关系，通过修正透射率对高亮区域进行补偿。然后分析雾气特性，提出亮度熵概念，对原图亮通道进行逐像素处理求取熵值，结合高斯金字塔提取纹理特征，得到雾气分布图；同时建立一种线性变换来自适应求取雾浓度系数，并获得优化透射率。最后改进局部大气光的获取方法，结合大气散射模型得到复原结果。实验表明，所提算法可以有效复原出降质图像的颜色与细节，明亮度适宜