![](https://csdnimg.cn/release/download_crawler_static/89103535/bg8.jpg)
最小值通道在雾天图像中具有很低的值,而非天空区域的最小值通道则有较高的值,因
此可以根据暗通道来确定图像的透射率。他们在此基础上,提出了一种基于局部最小值
的透射率估计方法,同时结合大气散射模型和引导滤波技术对图像进行去雾处理。实验
结果表明,该算法具有较高的去雾效果和较快的运行速度。
程德强
[12]
等人提出了一种基于改进暗通道先验的图像去雾算法。他们在计算暗通道
时,采用了基于快速傅里叶变换的方法,大大提高了计算速度。在透射率估计方面,他
们采用了颜色一致性约束,通过对比颜色一致性和非一致性区域的特征,得到了更加准
确的透射率估计结果。在大气光估计方面,他们采用了双边滤波技术,减少了大气光估
计的误差。实验结果表明,该算法具有较高的去雾效果和较快的运行速度。
谢斌
[13]
等人提出了一种基于暗通道先验和双边滤波的图像去雾算法。他们采用了双
边滤波技术对图像进行预处理,通过对原图像和预处理图像的比较,得到了更加准确的
透射率估计结果。在大气光估计方面,他们通过对暗通道先验中的天空区域进行分割,
得到了更加准确的大气光估计结果。实验结果表明,该算法具有较高的去雾效果和较快
的运行速度。
在实际应用中,基于暗通道的图像去雾算法也在逐渐得到广泛应用。林森
[14]
针对该
算法进行了改进和优化,以提高算法的实际应用性能。张雪
[15]
对算法中可能出现的颜色
失真问题提出了一种颜色修正方法,该方法利用了暗通道先验的颜色一致性特性,从而
有效降低了颜色失真现象的出现。此外,还有学者利用数据驱动方法对算法进行了改进,
通过构建一个卷积神经网络模型来对透射率进行估计,提高了去雾效果的稳定性和实时
性。
除了基于暗通道的图像去雾算法外,国内学者还对其他相关算法进行了研究。孙希
延
[16]
学者提出了一种基于全变分模型和偏微分方程的去雾算法,该算法能够在保证图像
细节和边缘信息的同时,有效去除雾霾对图像的影响。另外,罗杰
[17]
学者研究了基于物
理模型的去雾算法,该算法利用了光线的物理传播过程,通过对透射率和大气光的估计
来实现图像去雾。该算法虽然具有较高的准确性,但由于涉及到光线的物理传播过程,
计算量较大,难以满足实时性的要求。
第一类算法是暗通道先验算法。暗通道先验算法是基于暗通道先验理论,它认为在