基于单幅图像去雾算法分析

祝朝磊

摘 要

单幅图像去雾算法，是指在雾霾环境中，获取清晰、高质量的画面。基于单幅图像去雾算法，有利于提高画面的质量，确保交通、拍摄等项目中，能够准确的使用画面。单幅图像去雾算法，得到了充分的应用，细化算法应用，提高计算的效率。本文主要围绕单幅图像，探讨去雾算法的相关内容。

【关键词】单幅图像 去雾 算法

图像是信息的根本代表，图像在信息体系中，占有70%左右的比重，实际在获取图像的过程中，很容易受到恶劣天气的影响，尤其是雾霾，由此，在图像上，提出了单幅图像去雾算法，用于排除雾霾的干扰，避免图像出现失真、模糊的问题。单幅图像去雾算法，解决了雾霾在图像中的负面影响问题，在根本上提高了图像的质量。

1 单幅图像去雾算法的研究

图像受到环境因素的影响，出现了失真的情况，尤其是大气散射，其为图像不清楚的主要原因，导致图像退化。单幅图像去雾算法，逐步应用到图像处理中，完善图像的应用。

1.1 物理模型

物理模型中，专门研究了大气散射、入射光衰减、环境光成像等，构成了模型，为单幅图像去雾算法的研究，提出了物理平台。雾霾环境中，图像在光的作用下，受到多次散射的影响，物理模型中，采用常数光，模拟雾霾的环境，以便在有雾环境成像中，复原没有雾霾影响的图像，完成去雾处理。

1.2 去雾算法

基于单幅图像的去雾算法，分为恒定反射率图像算法和多反射率图像算法两种，分析其在去雾中的应用。

恒定反射率图像算法，整体图像上，表面反射系数相同，图像的每个像素中，都独立存在着空气光反射率，导致图像中含有大量不确定的自由度。单幅图像去雾算法，就要去除不确定的自由度，利用附近像素，简化图像的处理过程。在恒定反射率图像算法中，借助上文中的物理模型，模拟单幅图像的表面反射率系数，分析明暗系数的像素，标记出反射光的标量，在模型中实现退化图像。雾霾掩盖了图像的成像信号，真实图像与掩盖图像之间的误差，也存在不确定性，采用单幅图像去雾算法，在后续阶段獲取恒定的反射率，评估反射率中的误差量，通过模拟误差，获取真实的图像数值。当图像中采用单幅图像去雾算法，满足恒定反射率图像算法的基本条件时，才能获取可靠的像素信息，不符合误差的像素，就要做丢弃处理，集成图像的像素，参与计算，输出单幅的图像画面。

多反射率图像去雾算法的应用，要充分考虑像素受约束的条件，图像像素位于单幅表面，在恒定空气光反射率中，产生了共同的反射成分，以恒定反射率图像算法为基础，推论出多反射率图像去雾算法，处理基础的图像，在同一个像素的前提下，运用相邻像素之间的稳定连续，估计图像，完成单幅图像的去雾算法。多反射率图像中，不能以整幅图像为处理对象，划分单幅图像，利用空气光、明暗度不变的方式，计算出没有雾霾的图像。

1.3 去雾效果

基于单幅图像去雾算法，具有一定的实践优势，雾霾下的图像，非常模糊、清晰度低，经过单幅图像去雾算法处理后，还原出了图像的原本色彩，解决了图像显色不佳的问题。单幅图像去雾算法中，处理了色斑，避免图像失真。单幅图像去雾算法后，要在图像的颜色、明亮度等方面，分析去雾前后的效果，在主观的角度上，就可以准确的分析单幅图像去雾算法的效果。

2 单幅图像去雾算法的改进

基于单幅图像去雾算法，主要是利用了图像的退化，在屋里模型上，根据加设的雾霾条件，运用单幅图像去雾的相关算法，优化处理雾霾图像。单幅图像去雾算法在应用中，经过了多次测试，提出了改进要求，经过对比，提高单幅图像去雾算法的实践水平，促使去雾后的图像，更为优化。

单幅图像去雾算法处理后的图像，对比度偏高，很容易在图像上，造成偏白偏亮的情况，改进时，引入线性拉伸方法，弥补单幅图像去雾算法的不足，算法平台中，输入图像的拉伸数值，确保图像透射率、明暗系数能够符合图像的基本需求。线性拉伸原理，已经得到了多项实验证明，其可改进单幅图像去雾算法的应用，促使图像处理达到最佳的状态。线性拉伸可以根据图像像素的线性关系，规定明亮度、透射率的范围。

在改进单幅图像去雾算法时，引用MATLAB实验平台，也就是矩阵实验平台，采用数学矩阵的计算软件，输入单幅图像去雾算法的数值、数据，实现数据的可视化，更重要的是开发准确的去雾算法，充分发挥出MATLAB实验平台强大的数据处理作用，满足单幅图像去雾算法改进的需求，简化了图像去雾的过程，保障图像的真实性，进而提高图像的服务能力。

3 结束语

单幅图像去雾算法，促使图像可以满足人们的视觉要求，增强图像信息的表现力。在单幅图像去雾算法的研究过程中，还要改进此类算法的应用，目的是优化图像的处理过程，解决去雾算法中存在的问题，保障单幅图像去雾算法实践的有效性。

参考文献

[1]王印龙.单幅图像去雾算法研究[D].西安：西安电子科技大学，2014.

[2]唐美玲.单幅图像去雾算法的研究与应用[D].长沙：湖南大学，2014.

[3]张柳.基于单幅图像去雾算法的改进与实现[D].武汉：华中师范大学，2014.