单幅图像去雾方法研究

第１４卷第６期　２０１３年１２月　空军工程大学学报（自然科学版）　Ｖ０ｌ＿１４　ＮＯ．６　Ｄｅｃ．２Ｏ１３　ＪＯＵＲＮＡＬ　ＯＦ　ＡＩＲ　ＦＯＲＣＥ　ＥＮＧＩＮＥＥＲＩＮＧ　ＵＮＩＶＥＲＳＩＴＹ（ＮＡＴＵＲＡＬ　ＳＣＩＥＮＣＥ　ＥＤＩＴＩＯＮ】　单幅图像去雾方法研究　　李权合　，　任志河。，　南　栋　’　陈剑鹏　牟驾彦　＇　葛　渊　，（１．空军工程大学航空航天工程学院，陕西西安，７１００３８；　２．西北有色金属研究院，金属材料多孔材料国家重点实验室，陕西西安，７１００１６；　３．空军后勤部司令部，北京，１００７２０）　摘要　介绍了单幅图像去雾方法的研究现状、分析了基于增强方法和基于复复方法的一些经典　图像去雾算法，指出了各种算法的优缺点。综合评价得出基于复原的图像去雾方法优于基于增　强的图像去雾方法。针对现有的基于图像复原去雾方法提出了仍需要深入研究的问题，并从建　立全面物理模型、探索模型求解的先验知识、设计基于人眼视觉机制的模型求解方法和图像去　雾质量评价等几个方面分析如何突破图像去雾的关键技术。最后，对现有技术的发展趋势进行　了分析，指出了去雾技术的研究方向。　关键词　雾霾；大气退化；图像去雾；图像恢复；图像增强；人眼视觉　ＤｏＩ　１０．３９６９／Ｊ．ｉｓｓｎ．１００９—３５１６．２Ｏ１３．０６．０１２　中图分类号ＴＰ３９１．４１　文献标志码　Ａ　文章编号　１００９—３５１６（２０１３）０６—００４６—０８　Ａ　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｄｅｆｏｇｇｉｎｇ　Ｍｅｔｈｏｄｓ　ｗｉｔｈ　Ｓｉｎｇｌｅ　Ｉｍａｇｅ　ＢＩ　Ｄｕ—ｙａｎ　，ＧＥ　Ｙｕａｎ　，ＬＩ　Ｑｕａｎ—ｈｅ　，ＲＥＮ　Ｚｈｉ—ｈｅ。，ＮＡＮ　Ｄｏｎｇ　，ＣＨＥＮ　Ｊｉａｎ—ｐｅｎｇ　（１．Ａｅｒｏｎａｕｔｉｃｓ　ａｎｄ　Ａｓｔｒｏｎａｕｔｉｃｓ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｃｏｌｌｅｇｅ，Ａｉｒ　Ｆｏｒｃｅ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ　ａｎ　７１００３８，　Ｃｈｉｎａ；２．Ｎｏｒｔｈｗｅｓｔ　Ｉｎｓｔｉｔｕｔｅ　ｆｏｒ　Ｎｏｎｆｅｒｒｏｕｓ　Ｍｅｔａｌ　Ｒｅｓｅａｒｃｈ，Ｘｉ　ａｎ　７１００１６，Ｃｈｉｎａ；３．Ｈｅａｄｑｕａｒｔｅｒｓ　ｏｆ　ＰＬＡ　Ａｉｒ　ｆｏｒｃｅ　Ｌｏｇｉｓｔｉｃｓ　Ｄｅｐａｒｔｍｅｎｔ，Ｂｅｉｊｉｎｇ　１００７２０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｃｕｒｒｅｎｔ　ｓｉｔｕａｔｉｏｎ　ｏｆ　ｓｉｎｇｌｅ　ｉｍａｇｅ　ｄｅｆｏｇｇｉｎｇ　ｍｅｔｈｏｄ　ａｒｅ　ｉｎｔｒｏｄｕｃｅｄ，ｓｏｍｅ　ｃｌａｓｓｉｃ　ａｌｇｏｒｉｔｈｍｓ　ｂａｓｅｄ　ｏｎ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ａｎｄ　ｉｍａｇｅ　ｒｅｓｔｏｒａｔｉｏｎ　ａｒｅ　ａｎａｌｙｚｅｄ　ｉｎ　ｄｅｔａｉｌ，ａｎｄ　ａｄｖａｎｔａｇｅｓ　ａｎｄ　ｄｉｓａｄｖａｎｔａｇｅｓ　ａｒｅ　ｌｉｓｔｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ．Ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｉｍａｇｅ　ｒｅｓｔｏｒａｔｉｏｎ　ｍｅｔｈｏｄ　ｉｓ　ｓｕｐｅｒｉｏｒ　ｔｏ　ｔｈｅ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ｍｅｔｈｏｄ　ｉｎ　ｔｈｅ　ａｓｐｅｃｔ　ｏｆ　ｄｅｆｏｇｇｉｎｇ．Ａｉｍｅｄ　ａｔ　ｔｈｅ　ｅｘｉｓｔｉｎｇ　ｉｍａｇｅ　ｒｅｓｔｏｒａｔｉｏｎ　ｄｅｆｏｇ—　ｇｉｎｇ　ｍｅｔｈｏｄ，ｔｈｏｒｏｕｇｈ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ａｎｄ　ｓｔｕｄｙ　ａｒｅ　ｎｅｅｄｅｄ，ａｎｄ　ｓｏｍｅ　ｐｒｏｂｌｅｍｓ　ａｂｏｕｔ　ｈｏｗ　ｔｏ　ｂｒｅａｋ　ｔｈｒｏｕｇｈ　ｋｅｙ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ｉｎ　ｄｅｆｏｇｇｉｎｇ　ａｒｅ　ａｎａｌｙｚｅｄ　ｆｒｏｍ　ｔｈｅ　ｅｓｔａｂｌｉｓｈｍｅｎｔ　ｏｆ　ａ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｐｈｙｓｉｃａｌ　ｍｏｄｅｌ，ｔｈｅ　ｅｘｐｌｏｒａｔｉｏｎ　ｏｆ　ａ　ｐｒｉｏｒ　ｋｎｏｗｌｅｄｇｅ　ｏｆ　ｔｈｅ　ｍｏｄｅｌ　ｓｏｌｕｔｉｏｎ，ｔｈｅ　ｄｅｓｉｇｎ　ｏｆ　ｍｏｄｅｌ　ｓｏｌｕｔｉｏｎ　ｍｅｔｈｏｄｓ　ｂａｓｅｄ　ｏｎ　ｈｕｍａｎ　ｖｉｓｕａｌ　ｍｅｃｈａｎｉｓｍ，ａｎｄ　ｔｈｅ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｉｍａｇｅ　ｄｅｆｏｇｇｉｎｇ　ｑｕａｌｉｔｙ　ａｎｄ　ｓｏｍｅ　ｏｔｈｅｒ　ａｓｐｅｃｔｓ，　ｅｔｃ．．Ｆｉｎａｌｌｙ，ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｔｒｅｎｄ　ｏｆ　ｔｈｅ　ｅｘｉｓｔｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｉｓ　ａｎａｌｙｚｅｄ，ａｎｄ　ｔｈｅ　ｏｒｉｅｎｔａｔｉｏｎ　ｏｆ　ｓｔｕｄｙｉｎｇ　ｄｅｆｏｇｇｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｉｓ　ｇｉｖｅｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｆｏｇ　ａｎｄ　ｈａｚｅ；ａｔｍｏｓｐｈｅｒｉｃ　ｄｅｇｒａｄａｔｉｏｎ；ｉｍａｇｅ　ｄｅｆｏｇｇｉｎｇ；ｉｍａｇｅ　ｒｅｓｔｏｒａｔｉｏｎ；ｉｍａｇｅ　ｅｎｈａｎｃｅ—　ｍｅｎｔ；ｈｕｍａｎ　ｖｉｓｉｏｎ　收稿日期：２０１３－ｌｌ一２７　基金项目：国家自然科学基金资助项目（６１３７２１６７；６１３７９１０４；６１２０３２６８；６１２０２３３９）　作者简介：毕笃彦（１９６２一），男，陕西扶风人，教授，博士生导师，主要从事图像处理、模式识别研究　Ｅ—ｍａｉｌ：ｂｉｄｕｙａｎ＠１２６．ｃｏｒｎ　第６期　毕笃彦等：单幅图像去雾方法研究　４７　近年来，随着雾霾天气的增多，可见光系统的成　像质量越来越多的受到人们关注。在雾霾等天气条　件下，大气中的分子，水汽及悬浮的大量颗粒组成的　气溶胶对光线形成严重的吸收、散射和反射作用，造　成大气能见度降低，加上大气湍流的影响，致使可见　光成像系统的图像质量降低＿】　］，严重影响了复杂气　象环境下可见光成像系统的使用。如道路安全监　控、汽车安全驾驶、光学武器作战、敌我战场监视等。　特别是近年来国内各大城市出现的严重雾霾天气，　导致城市交通瘫痪、航班延误取消，严重影响了人们　的日常生活、工业生产以及军事侦察和作战，从而引　起了各国政府的重点关注。　从环保角度出发，各国各地政府普遍制定政策　法规，鼓励和推广新技术，进行节能限污，实现绿色　生产和生活。从技术角度出发，分析雾霾成因，研究　透雾技术，提高雾霾气象条件下的能见度，已成为多　个学科的研究热点。目前透雾技术的研究主要集中　在以下几个方面：光线在大气中的透过率研究，依据　大气窗口，设计适用于雾霾天气的中、长波段光学镜　头和成像传感器；适用于雾霾图像处理的各种数字　图像增强方法研究；适用于图像增强显示的宽动态　显示技术研究等。由于篇幅限制，本文仅针对单幅　图像去雾方法这种数字图像增强技术进行阐述。　图像去雾的研究工作始于２０世纪５Ｏ年代，主　要是美国学者针对地球资源卫星图片云雾退化问题　而展开的。经过建模和分析，发展了灰度变换，直方　图均衡，同态滤波、伪彩色图像增强等传统图像增强　方法，改善了雾霾退化对图像质量的影响。而从２Ｏ　世纪７０年代开始，基于视觉恒常性理论，基于大气　传输模型，基于宽动态显示技术的新概念的图像去　雾技术不断被提出和研究，并且随着实际应用检验　在８Ｏ年代取得了较大的进展。　该领域国外一些知名研究机构和成果有：　ＮＡＳＡ下属兰利研究中心可视信息处理实验室　（ＮＡＳＡ　Ｌａｎｇｌｅｙ　Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ　Ｖｉｓｕａｌ　Ｉｎｆｏｒｍａ—　ｔｉｏｎ　Ｐｒｏｃｅｓｓｉｎｇ　Ｌａｂ）于２０世纪８Ｏ年代将Ｒｅｔｉｎｅｘ　算法［３　ｏ］引入到各种图像增强中，尤其在宇航图像　增强和航拍图像去雾方面获得了非常好的处理效　果，并逐步将重点转向飞行等实际系统应用之中。　如ＮＡＳＡ研发的飞行视觉伺服系统（Ｖｉｓｕａｌ　Ｓｅｒｖｏ　ｆｏｒ　Ａｖｉａｔｉｏｎ）针对飞行中出现雾霭、烟尘等恶劣天　气，为飞行人员提供实时自适应图像增强，同时开发　了可进行多种应用的商业软件Ｔｒｕｖｉｅｗ　Ｐｈｏｔｏｆｌａｉｒ；　哥伦比亚大学的计算机视觉实验室研究如何利用不　同天气条件下同一场景的多幅图像来恢复清晰图　像，并建立了不同天气条件下同一场景的ＷＩＬＤ　（Ｗｅａｔｈｅｒ　ａｎｄ　Ｉｌｌｕｍｉｎａｔｉｏｎ　Ｄａｔａｂａｓｅ）数据库；以色　列的联合成像实验室研究基于偏振滤波的方　法＿１　］，该方法对大气成像和水下成像均适用；曼彻　斯特大学电气和电子工程学院的传感、图像和信号　处理组在图像对比度恢复方面进行了长期的研究，　并且英国Ｄｍｉｓｔ公司在此研究基础之上开发了商业　产品ＣｌｅａｒＶｕｅ；Ｚ微系统公司（Ｚ　Ｍｉｃｒｏｓｙｓｔｅｍｓ）在　“ＡｕＶＳＩ２０１０无人机展”中展示了一种实时图像增　强和传输系统（Ａｎｙ—Ｉｍａｇｅ—Ａｎｙｗｈｅｒｅ，ＡＩＡ），ＡＩＡ　尤其可以显示因能见度低或大气干扰而弱化的图像　细节，同时有助于查看宽广地形中的隐藏目标。在　这方面的国内研究也取得了一定成绩。国内的研究　机构和成果有：微软亚洲研究院与香港中文大学信　息工程系的多媒体实验室合作，研究基于暗通道先　验的单幅图像去雾方法口　，成功将暗通道先验用于　估计雾的浓度和场景的深度图，成果较为显著并获　得了２００９年ＣＶＰＲ（Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ，ＣＶＰＲ）的Ｂｅｓｔ　Ｐａｐｅｒ；清华大学禹　晶ｌ１。　等人在暗原色先验的基础上，将双边滤波引入　到大气传递图的细化上，从而避免了使用抠图方法　细化大气传递图带来的巨大时间开销；中国科学院　安徽光学精密机械研究所的方帅口　，中南大学信息　科学与工程学院的郭瑶［１　，等人分别开展了基于物　理模型的图像去雾方法研究，在提升图像对比度、细　节信息以及算法实时性上取得了很大成效。其它研　究所和高校的相关研究工作尚处于进一步发展中。　１　现有方法　目前，单幅图像去雾技术主要包括解释色彩恒　常性理论的ＡＣＥ算法［１　，基于Ｒｅｔｉｎｅｘ模型的　ＭＳＲＣＲ方法Ｄ　７－１８　和变分法口　］，以及基于物理模　型的ＦａｔｔａｌＥ　、ＴａｎＥ。　、何凯明　、Ｔａｒｅｌ［。　、禹　晶Ｅ　、郭瑶Ｅ¨］、方帅　等人的算法。现有去雾方法　可分为：基于图像增强的方法和基于图像复原的方　法两类。　１．１基于图像增强的方法　基于图像增强的方法不需要求解大气退化的物　理模型，而是从人类视觉感受出发，直接增强图像对　比度、修正图像色彩以改善图像质量，提升图像可视　效果。这类方法根据是否恢复场景的色彩信息，可　以分为完备图像增强算法（可以有效恢复场景色彩　信息）以及非完备图像增强算法（不能恢复场景色彩　信息）。　１．１．１完备图像增强算法　此类方法中最具代表性的是基于视觉恒常性理　论的Ｒｅｔｉｎｅｘ方法。Ｒｅｔｉｎｅｘ理论认为在视觉信息　的传导过程中人类的视觉系统对信息进行了某种处　４８　空军工程大学学报（自然科学版）　理，去除了光源强度和照射不均匀等一系列不确定　的因素，而只保留了反映物体本质特征的信息，如反　射系数等。当这些描述物体本质特征的相关信息传　递到大脑皮层后，经过更为复杂的信息处理，才最终　形成人的视觉。Ｒｅｔｉｎｅｘ理论模型为：　Ｓ（ｘ，　）一Ｒ（Ｌｚ，　）×Ｌ（ｘ，　）　（１）　式中：ｓ为已知图像；Ｒ为反射图像；Ｌ为亮度图像。　Ｒｅｔｉｎｅｘ算法就是要从已知图像中估计亮度图像，　然后将其去除得到反射图像，从而在不考虑照度发　生变化的情况下还能还原出清晰的图像。所以，　Ｒｅｔｉｎｅｘ图像增强算法是一种建立在科学实验和科　学分析基础上的图像增强理论。基于色彩恒常性理　论的Ｒｅｔｉｎｅｘ算法　，将图像视为光照图像和反　射图像的乘积，通过估计光照图像，再从原图像中将　其消除，获得可视效果良好的反射图像，该方法可以　同时实现全局和局部对比度调整、高动态范围压缩　（ＨＤＲ）［２８－２９］和色彩恒常性。从Ｒｅｔｉｎｅｘ理论的提　出到现在，基于Ｒｅｔｉｎｅｘ理论的图像增强算法已经　经历了３个阶段，每个时期的代表算法分别为：第　１，Ｌａｎｄ，ＭｃＣａｎｎ提出的基于路径的方法；第２，Ｊｏｂ—　ｓｏｎ等９０年代提出的中心环绕法；第３，２００３年　Ｋｉｍｍｅｌ在变分框架下的Ｒｅｔｉｎｅｘ方法，其在保证动　态范围压缩的前提下，将各种Ｒｅｔｉｎｅｘ方法统一为　变分形式。　另外，此类方法还包括：基于闵科夫斯基范数的　灰色调算法例如ＷＰ（Ｗｈｉｔｅ—Ｐｏｉｎｔ）算法¨３　”　和Ｇｗ　（Ｇｒａｙ—ｗｏｒｌｄ）ｌ３胡算法；色调映射方法、概率统计方　法和机器学习方法，这些都是基于学习的方法，通过　训练学习获取景物表面反射或光照色彩分布的先验　知识来进行光照色彩的估计；基于人眼视觉系统的　中心／领域侧抑制机理提出的ＡＣＥ算法　。　，该算　法通过综合ｗＰ和ＧＷ色彩校正机制，在增强图像　全局和局部对比度的同时，可以获取非常好的场景　色彩恢复结果；另外基于仿生学的彩色图像增强算　法也取得了良好的增强效果［３引。　１．１．２非完备图像增强算法　此类方法中最具代表性的方法是直方图均衡化　方法［ｔ　］和同态滤波方法。直方图均衡化是非常典　型的空域增强方法，它可以大大改善图像灰度分布　的动态范围，增加图像的整体对比度，使人眼获得更　好的观看效果。该算法因其简洁高效而得到了广泛　的应用。　直方图均衡化的基本思想是使增强后图像的灰　度统计直方图呈现为均匀分布，从而改善整幅图像　灰度分布的动态范围。它所采用的方法是利用累积　分布函数作为图像灰度值的变换曲线。用Ｓ表示原　图像中像素的灰度值，ｔ表示第是级灰度值，ｔ表示　增强图像中像素的灰度值，ｔ　表示第ｋ级，并对Ｓ　和ｔ　作归一化处理，则直方图均衡化可表示为：　一　ｔ　一ＥＨ（Ｓ、一∑　∑Ｐ　，（Ｓ　），　０　ｉ＝０　０≤ｓ　，ｔ　≤１，ｋ一０，１，…，Ｌ一１　（２）　式中：Ｌ是图像的灰度级个数　是图像中具有灰度　值Ｓ　的像素的个数；　是图像的像素总数；ＥＨ代表　增强操作。ｐ　即为灰度统计直方图。可以证明累　积分部函数能将Ｓ的灰度分布近似转换为ｔ的均匀　分布，之所以用“近似”两字是因为式（２）是由连续函　数直接导出，故在数字化的量化时会带来误差。近　年来，章怡、吴成茂等人先后提出了很多改进的直方　图均衡化方法【３　，在图像增强领域取得了较好的　效果。　将一幅图像ｆ（ｘ，　）描述成反射图像ｒ（ｘ，　）和　光照图像ｉ（ｘ，　）的乘积，根据此模型可以通过图１　描述的过程将两者分别进行滤波。　互Ｈ夏口＿恒五　匝　图１　同态滤波流程图　Ｆｉｇ．１　Ｈｏｍｏｍｏｒｐｈｉｃ　ｆｉｌｔｅｒｉｎｇ　ｆｌｏｗ　ｃｈａｒｔ　图中频域增强函数Ｈ（ｕ，　）就是所谓的同态滤　波函数，它可以分别作用在照度分量和反射分量上。　同态滤波可以同时将图像亮度的动态范围进行压缩　并增强图像的对比度，但当图像中的亮度存在较大　差异时，同态滤波往往会出现很多假象。　另外，此类算法还包括：灰度映射方法、非锐化　掩模方法（ＵＳＭ）　、伽玛校正方法　等等，非完　备图像增强方法可以有效提升图像对比度，但不能　有效恢复场景色彩信息。　基于图像增强的方法从人眼主观视觉效果出　发，对图像本身的像素或邻域进行处理，计算相对简　单，处理景深较为平均且雾霾分布均匀的退化图像　时可以取得不错的效果，但由于缺乏对景深信息以　及雾霾浓度的估计，对存在不同景深的图像以及雾　霾浓度不均的图像处理效果不好，往往会产生不可　预测的失真，尤其不能有效改善景深较大处场景的　对比度和色彩。　２．２基于图像复原的方法　基于复原的方法从图像退化的物理模型出发，　通过分析、求解图像降质过程的逆过程，获得各降质　环节的相关参数，从而恢复出尽可能逼真的清晰图　像。这类方法认为在雾、霾天气条件下，大气中悬浮　的大量粒子对光线具有较强的散射作用：一方面，物　体表面的反射光由于大气粒子的散射而发生衰减与　前向散射　，衰减造成入射到成像系统的光线减　弱，从而成像亮度降低，前向散射导致图像模糊、分　辨力降低；另一方面，自然光由于大气粒子的散射作　５０　空军工程大学学报（自然科学版）　度，在色彩校正上模拟了人眼视觉系统对场景色彩　的认知，增强后的色彩与基于物理模型的方法相比　具有更好的可视性，且基于增强的方法有很多优秀　的求解方法，能够实时增强图像，在去薄雾方面效果　较好。但基于增强的方法有时会造成不可预测的失　真，且增强复杂景深退化图像时效果不佳。基于物　理模型的方法从雾霾退化的物理过程出发，分析构　建雾霾退化的物理模型，通过优化求解能够去除雾　霾而不损伤图像的质量，兼顾了多种景深图像的增　强，但仍不能达到理想去雾结果。另外，基于物理模　型的方法需要借助最优化工具求解，具有较大的时　间开销。　２需要进一步突破的关键技术　综合评价，基于复原的图像去雾方法较基于增　强的图像去雾方法能够更好地恢复真实场景。同　时，基于图像复原的去雾方法仍然面临以下问题有　待于进一步深入研究：　１）单色大气散射模型（式（３））对大气光的简化，　造成算法的自适应性不强，在平衡远景和近景的增　强结果时牺牲了远景的可视性。单色大气模型在求　解过程中，认为大气光为全局常量，事实上成像过程　中的大气光包括场景的反射光、大气的散射光、太阳　的直射光、背景的折射光等，并不是全局常量，如果　将其设为全局常量，为了兼顾近景去雾效果，必然要　降低全局常量的估值，这样就造成远景去雾效果减　弱；　２）在雾霾天气往往伴随有较强的大气湍流退　化，单色大气散射模型无法指导有效提升退化图像　的清晰度，其中一个主要原因是该模型没有考虑同　雾霾并存的其它大气退化要素——大气湍流，它对　图像的退化直接导致图像模糊，而且随着景深的增　加导致的模糊现象更加严重。　３）一些现有的模型求解过程所依赖的先验和假　设鲁棒性较差。例如，何凯明利用无雾图像３个色　彩通道的局部最小值趋于０的先验去估计雾霾浓　度，Ｇｂｓｉｏｎ利用局部区域内３个色彩的分布呈椭圆　分布的先验去估计雾霾浓度＿５　，然而这种先验在雾　霾浓度较大时不具有良好的区分度。　针对上述诸多问题，后续研究很有必要从以下　几个方面突破图像去雾的关键技术：　１）研究更全面的图像雾霾退化模型。物理模型　的构建和求解是基于物理模型的图像去雾方法的关　键问题。当前，在计算机视觉和图像处理领域被广　泛使用的雾霾退化模型就是式（１）所述的单色大气　散射模型，该模型存在诸多问题已在上节分析，虽然　现阶段还存在其它可用于描述雾霾退化的模型，诸　如双色大气散射模型［５　、ＡＴＦ模型［５　和Ｒｅｔｉｎｅｘ　模型，但都无法准确描述雾霾退化现象。然而，一个　能够准确描述雾霾退化现象的物理模型是有效消除　雾霾、提升图像对比度、清晰度的基础。所以，有必　要借鉴现代大气光学的研究成果　４ｌ∞　，除考虑雾　霾退化外，再引入复杂大气光、大气湍流等多种引起　图像退化的要素，建立更为全面的物理模型。　２）探索模型求解所依赖的先验知识。图像去雾　问题是求解一个方程多个未知数的病态反问题，在　模型的优化求解过程中需要用到很多关于图像特　征、模型中各变量间关系以及求解目标等内容的先　验和假设，而现有的一些先验知识不适用大雾、阴霾　天气。因此，为了准确求解场景反照率，需要开展模　型求解过程中所需先验知识的研究。内容涉及对清　晰场景先验和雾霾退化先验的研究。针对清晰图像　先验的研究，可以在现有的统计先验基础之上进行　完善，同时以人眼视觉的色彩恒常性、亮度恒常性以　及对比灵敏度为研究对象，探索人眼对清晰图像的　认知先验。针对雾霾退化图像先验的研究，可以分　别研究混浊介质和湍流介质影响成像的效果，研究　光强和光场的变化反映在图像特征上的变化。最　后，针对各类场景，包括不同景深、不同雾霾浓度、不　同光照、不同背景，发掘普适性好的先验知识，能够　有效约束图像求解过程，辅助精确估计场景反照率。　３）将基于增强的方法融人到物理模型求解中，　设计基于人眼视觉机制的模型求解方法。为了快速　准确估计模型中的参数，需要研究雾霾退化模型的　高效求解方法。图像退化模型的求解属于一个方程　多个未知数的病态反问题，目前此类问题的求解多　借助于最优化工具，诸如Ｔａｎ在求解过程中用到了　ｇｒａｐｈ　ｃｕｔ方法，Ｆａｔｔａｌ在求解过程中应用了ＩＣＡ方　法，等。但这些最优化求解方法具有极高的复杂度，　不利于去雾算法的实时性，而且此类方法求解结果　不一定能够满足人眼视觉的认知特性。基于增强的　方法中有很多模拟了人眼视觉机制，能够快速准确　的估计图像亮度，恢复图像真实色彩等，因此，有必　要更为深入地探索人眼视觉获取、增强、理解信息的　过程，将人眼视觉认知机制对应到模型求解过程，针　对视觉机制建模，并寻求快速优化求解方法。　４）基于特征认知的无参考图像去雾质量评价方　法。为了有效评价退化图像的去雾效果，比较去雾　算法的优劣，指导去雾方法的研究，并为设计闭环的　图像去雾方法奠定研究基础，有必要开展去雾质量　评价方法的研究。图像质量评价方法的研究已有多　第６期　毕笃彦等：单幅图像去雾方法研究　５１　年的历史，现阶段已提出许多成熟的方法　引，按照　是否依赖于人眼主观视觉可分为主观质量评价方法　和客观质量评价方法，所有客观质量评价方法都把　主观评价值作为拟合的目标。当前，针对图像去雾　质量评价的研究尚处于进一步发展当中，评价指标　多集中在图像清晰度、对比度、色度和结构信息的测　度上，没有统一的评价标准。基于特征认知的无参　考图像去雾质量评价方法由于能够较好的拟合人眼　视觉特性，将会是一个重要的研究方向，通过引入图　像处理模型、统计模型、视觉信息模型和机器学习理　论，可以得到更为准确地反映客观图像去雾质量的　评价机制。　３几点有意的探索　３．１改进的大气退化模型　２０１３年中国武汉大学资源与环境科学学院的　兰霞（Ｘｉａ　Ｌａｎ，音译）等人在《ＥＵＲＡＳＩＰ　Ｊｏｕｒｎａｌ　ｏｎ　Ａｄｖａｎｃｅｓ　ｉｎ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ）｝上发表了题为“Ｓｉｎ—　ｇｌｅ　ｉｍａｇｅ　ｈａｚｅ　ｒｅｍｏｖａｌ　ｃｏｎｓｉｄｅｒｉｎｇ　ｓｅｎｓｏｒ　ｂｌｕｒ　ａｎｄ　ｎｏｉｓｅ”的论文　引，将单色大气模型引入点扩展函数，　描述光学传感器造成的图像模糊现象，同时，考虑真　实成像过程引入了加性噪声，修改后的模型为：　Ｊ（ｚ）＝　（　）＊Ｉ－，（－ｚ）ｆ（　）＋Ａ（１一　（ｚ））１＋　（－ｚ）　（３）　何仁杰（Ｒｅｎｊｉｅ　Ｈｅ，音译）等人在２０１３　ＩＥＥＥ　８ｔｈ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｄｕｓｔｒｉａｌ　Ｅｌｅｃｔｒｏｎｉｃｓ　ａｎｄ　Ａｐ—　ｐｌｉｃａｔｉｏｎｓ的会议论文集上发表了题为“Ｍｕｌｔｉｐｌｅ　Ｓｃａｔｔｅｒｉｎｇ　Ｍｏｄｅｌ　ｂａｓｅｄ　Ｓｉｎｇｌｅ　Ｉｍａｇｅ　Ｄｅｈａｚｉｎｇ”的　论文＿５　，将单色大气模型引入点扩展函数，描述多　重散射造成的图像模糊现象，修改后的模型为：　Ｊ（　）一（Ｊ（ｚ）＊ｈ）ｔ（ｚ）＋Ａ（１一ｔ（ｚ））　（４）　兰和何等人已经意识到：想要有效去除图像模　糊，提升图像对比度、清晰度，就要考虑更多的引起　图像退化的要素，在模型改进方面他们走出了很重　要的一步。　３．２计算雾霾浓度的先验知识　对于计算雾霾浓度的先验知识来说，越直观越　简单越好，何凯明等人提出的暗通道先验，凭借其简　单有效的计算方式得到了业内学者的广泛认同，其　计算表达式为：　ＤＣＰ（Ｊ（ｚ））一ｍｉｎ｛ｍｉｎ（　ｃ（　））｝　（５）　ｙＥｎ（　）ＣＥ｛Ｒ，Ｇ，Ｂ｝　通过该先验得到的雾霾浓度，由于需要进行领　域操作，常会造成计算不够准确的现象，直接用于去　雾除了会造成光晕现象外，还会导致色彩偏差，因此　必须经过复杂的细化运算才能得到较为准确的雾霾　浓度的估计，所以该先验变得不再简单。由于色彩　饱和度和暗通道先验具有很大的相关性，可以研究　带约束的色彩饱和度估计雾霾的浓度，通过饱和度　计算雾霾浓度具有很好的直观性。　一１一　！　！　！　！　ｒＲ、　…ｊＲ＋ＪＧ＋ＪＢ　…　上式为饱和度计算公式，式（６）右边第２项可视　为细化操作后的暗通道估值，如果再加上图像色彩　自然度、丰富度，图像纹理等约束，则有望有效区分　图像中天空、白色目标以及水面区域。　３．３人眼视觉机制在去雾中的应用　图像去雾本质上将就是实现图像对比度的提　升、图像色彩的恢复以及亮度的调整。对人眼视觉　系统的研究成果表明，诸多人眼视觉认知机制在图　像去雾中具有重要的应用，例如人眼的视觉恒常性　启发科研人员在任何光照、气象条件下，人眼感知的　场景色彩是不变的，变化的只有色彩饱和度，因此在　图像对比度提升过程需要保持３个颜色通道的相对　大小关系；人眼视觉的感光适应性明确了视网膜上　的锥状细胞在光线强的情况下工作，主要感受颜色　和分辨细节，而杆状细胞在光线弱的情况下工作，主　要感受亮度和运动，无颜色，对细节不敏感。因此，　为使去雾结果更适宜人眼视觉，需将图像亮度调节　到适宜锥细胞工作的亮度区间；人眼视觉的对比灵　敏度特性说明相邻像素的差异性如果能被察觉，需　满足ＡＩ（ｘ，　）／ｉＢ≥ＮＢ，其中△　（ｚ，　）表示相邻像　素ｚ和Ｙ间亮度差异，　为２个像素点所处区域的　背景亮度，Ｎ　为同背景亮度有关的阈值。因此，图　像对比度提升即为保持像素差值，降低背景亮度。　综合几点人眼视觉机制，可将去雾过程概括为：在色　彩恒常性的约束下提升图像对比度，然后校正图像　亮度。　４　结语　本文概括性地介绍了图像去雾技术取得的研究　成果，国内外的研究现状和发展趋势，针对该领域的　几点关键技术提出了有针对性的研究内容，并指出　了国内外学者近期所做的一些有意义的工作。为了　实现雾霾退化图像真实场景的再现，将基于图像增　强的方法融入到基于图像复原的方法当中，在求解　物理模型时更多的考虑拟合人眼视觉机制，以期去　雾结果能够具有更好的视觉愉悦性，将是未来该技　术发展的大方向。　参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：　［１］　朱淼良，钱徽．自然景物中大气退化模型的研究ＥＪ］．计算机辅　５２　空军工程大学学报（自然科学版）　２０１３年　助设计与图形学学报，２００１，１３（９）：７９３—７９９．　ＺＨＵ　Ｍｉａｏｌｉａｎｇ，ＱＩＡＮ　Ｈｕｉ．Ｒｅｓｅａｒｃｈ　ｏｎ　ａｔｍｏｓｐｈｅｒｅ　ｄｅｇｒａ—　ｄａｔｉｏｎ　ｍｏｄｅｌ　ｏｆ　ｎａｔｕｒｅ　ｓｃｅｎｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｃｏｍｐｕｔｅｒ—ａｉｄｅｄ　ｄｅｓｉｇｎ　８Ｌ　ｃｏｍｐｕｔｅｒ　ｇｒａｐｈｉｃｓ，２００１，１３（９）：７９３—７９９．（ｉｎ　Ｃｈｉ—　ｎｅｓｅ）　［２］　祝培，朱虹，钱学明，等．一种有雾天气图像景物影像的清晰化　方法口］．中国图象图形学报，２００４，９（１）：Ｉ２４—１２８．　ＺＨＵ　Ｐｅｉ，ＺＨＵ　Ｈｏｎｇ，ＱＩＡＮ　Ｘｕｅｍｉｎｇ，ｅｔ　ａ１．Ａｎ　ｉｍａｇｅ　ｃｌｅａｒｎｅｓｓ　ｍｅｔｈｏｄ　ｆｏｒ　ｆｏｇ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｉｍａｇｅ　ａｎｄ　ｇｒａｐｈｉｃｓ，　２００４，９（１）：ｌ２４—１２８．（ｉｎ　Ｃｈｉｎｅｓｅ）　［３］　Ｐｒｏｖｅｎｚｉ　Ｅ．Ｄｅ　Ｃａｒｌｉ　Ｉ　，Ｒｉｚｚｉ　Ａ，ｅｔ　ａ１．Ｍａｔｈｅｍａｔｉｃａｌ　ｄｅｆｉｎｉ—　ｔｉｏｎ　ａｎｄ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　Ｒｅｔｉｎｅｘ　ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ｏｐｔｉｃａｌ　ｓｏｃｉｅｔｙ　ｏｆ　Ａｍｅｒｉｃａ，２００５，２２（１２）：２６１３—２６２１．　［４］　Ｅｌａｄ　Ｍ，Ｋｉｍｍｅｌ　Ｒ。Ｓｈａｋｅｄ　Ｄ，ｅｔ　ａ１．Ｒｅｄｕｃｅｄ　ｃｏｍｐｌｅｘｉｔｙ　Ｒｅｔｉｎｅｘ　ａｌｇｏｒｉｔｈｍ　ｖｉａ　ｔｈｅ　ｖａｒｉａｔｉｏｎａｌ　ａｐｐｒｏａｃｈ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｖｉｓｕａｌ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ａｎｄ　ｉｍａｇｅ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ，２００６，１４　（４）：３６９－３８８．　Ｉｓ］　Ｍｅｙｌａｎ　Ｌ，Ｓｕｓｓｔｒｕｎｌ　Ｓ．Ｈｉｇｈ　ｄｙｎａｍｉｃ　ｒａｎｇｅ　ｉｍａｇｅ　ｒｅｎｄｅｒｉｎｇ　ｗｉｔｈ　ａ　Ｒｅｔｉｎｅｘ—ｂａｓｅｄ　ａｄａｐｔｉｖｅ　ｆｉｌｔｅｒ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ，２００６，１５（９）：２８２０—２８３０．　Ｅ６３　Ｌｉｕ　ｊｉａｐｅｎｇ，Ｚｈａｏ　Ｙｕｎｉｎｇ，Ｈｕ　Ｆｕｑｉａｏ．Ａ　ｎｏｎｌｉｎｅａｒ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｉｎｇｌｅ　ｓｃａｌｅ　Ｒｅｔｉｎｅｘ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｈａｎｇｈａｉ　ｊｉａｏｔｏｎｇ　ｕｎｉｖｅｒｓｉｔｙ，２００７，４１（５）：６８５　６８８．　［７］　Ｃｈｏｉ　Ｄ　Ｈ，Ｊａｎｇ　Ｉ　Ｈ，Ｋｉｍ　Ｍ　Ｈ，ｅｔ　ａ１．Ｃｏｌｏｒ　ｉｍａｇｅ　ｅｎｈａｎｃｅ—　ｍｅｎｔ　ｂａｓｅｄ　ｏｎ　ｓｉｎｇｌｅ—－ｓｃａｌｅ　ｒｅｔｉｎｅｘ　ｗｉｔｈ　ａ　ＪＮＤ＿。ｂａｓｅｄ　ｎｏｎｌｉｎ——　ｅａｒ　ｆｉｌｔｅｒ［Ｃ］／／Ｐｒｏｃ　ＩＥＥＥ　ｉｎｔ　ｓｙｍｐ　ｃｉｒｃｕｉｔｓ　ａｎｄ　ｓｙｓｔ．Ｎｅｗ　Ｏｒｌｅａｎｓ，ＵＳＡ：１ＥＥＥ　ｐｒｅｓｓ，２００７：３９４８—３９５１．　［８］　Ｓｈａｋｅｄ　Ｄ．Ｉｎｔｅｒｐｏｌａｔｉｏｎ　ｆｏｒ　ｎｏｎｌｉｎｅａｒ　ｒｅｔｉｎｅｘ　ｔｙｐｅ　ａｌｇｏｒｉｔｈｍｓ　［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＳＰＩＥ，ｔｈｅ　ｉｎｔ　ｓｏｃｉｅｔｙ　ｆｏｒ　ｏｐｔｉｃａｌ　ｅｎｇｉ　ｎｅｅｒｉｎｇ．Ｂｅｌｌｉｎｇｈａｍ：ＳＰＩＥ，２００７：６４９３１２．１－６４９３１２．７．　［９］　许欣，陈强，王平安，等．消除光晕现象的快速Ｒｅｔｉｎｅｘ图像增　强［Ｊ］．计算机辅助设计与图形学学报，２００８，２０（１０）：１３２５—　１３３１．　ＸＵ　Ｘｉｎ，ＣＨＥＮ　Ｑｉａｎｇ，ＷＡＮＧ　Ｐｉｎｇ’ａｎ，ｅｔ　ａ１．Ａ　ｆａｓｔ　ｈａｌｏ—　ｆｒｅｅ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　Ｒｅｔｉｎｅｘ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｃｏｍｐｕｔｅｒ—ａｉｄｅｄ　ｄｅｓｉｇｎ＆ｃｏｍｐｕｔｅｒ　ｇｒａｐｈｉｃｓ，２００８，２０　（１０）：１３２５一ｌ　３３１．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１Ｏ］　Ｒａｈｍａｎ　Ｚｉａ—Ｕｒ，Ｊｏｂｓｏｎ　Ｄ　Ｊ，Ｗｏｏｄｅｌｌ　Ｇ　Ａ．Ｍｕｌｔｉ—ｓｃａｌｅ　Ｒｅｔ　ｉｎｅｘ　ｆｏｒ　ｃｏｌｏｒ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ［ＥＢ／ＯＬ］．（２００９—１２—１５）　［２０１３—１１—２７］．ｆｔｐ：／／ｖｉｐｓｕｎ．１ａｒｃ．ｎａｓａ．ｇｏｖ／ｐｕｂ／ｐａｐｅｒｓ／　ｉｃｉｐ９６　ｍｕｌｔｒ．　［１１］　Ｎａｍｅｒ　Ｅ。Ｓｃｈｅｃｈｎｅｒ　Ｙ　Ｙ．Ａｄｖａｎｃｅｄ　ｖｉｓｉｂｉｌｉｔｙ　ｉｍｐｒｏｖｅｍｅｎｔ　ｂａｓｅｄ　ｏｎ　ｐｏｌａｒｉｚａｔｉｏｎ　ｆｉｌｔｅｒｅｄ　ｉｍａｇｅｓ［Ｃ］／／Ｐｏｌａｒｉｚａｔｉｏｎ　ｓｃｉｅｎｃｅ　ａｎｄ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　１Ｉ．Ｓａｎ　Ｄｉｅｇｏ，ＣＡ，ＵＳＡ：ＳＰＩＥ，２００５：１　１０．　［１２］　Ｓｅｈｅｃｈｎｅｒ　Ｙ　Ｙ，Ｋａｒｐｅｌ　Ｎ．Ｃｌｅａｒ　ｕｎｄｅｒｗａｔｅｒ　ｖｉｓｉｏｎ［ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　１ＥＥＥ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ａｎｄ　ｐａｔ　ｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ（ＣＶＰＲ）．Ｗａｓｈｉｎｇｔｏｎ，ＤＣ，ＵＳＡ：ＩＥＥＥ　ｃｏｍｐｕｔｅｒ　ｓｏｃｉｅｔｙ，２００４：１５４３—１５６３．　［ｉ３］　Ｙｕ　Ｊｉｎｇ，Ｌｉａｏ　Ｑｉｎｇｍｉｎ．Ｆａｓｔ　Ｓｉｎｇｌｅ　Ｉｍａｇｅ　Ｆｏｒ　Ｒｅｍｏｖａｌ　Ｕ—　ｓｉｎｇ　Ｅｄｇｅ—Ｐｒｅｓｅｒｖｉｎｇ　Ｓｍｏｏｔｈｉｎｇ［ｃ］／／Ｐｒ０ｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ａｃｏｕｓｔｉｃｓ，ｓｐｅｅｃｈ，ａｎｄ　ｓｉｎｇｌｅ　ｐｒｏ—　ｃｅｓｓｉｎｇ．ＩＳ．Ｉ＿］：ＩＥＥＥ　ｐｒｅｓｓ，２０１ｌ：１２４５，１２４８．　［１４］　方帅，王勇，曹洋，等．单幅雾天图像复原［Ｊ］．电子学报，　２０１０，３８（１０）：２２７９—２２８４．　ＦＡＮＧ　Ｓｈｕａｉ，ＷＡＮＧ　Ｙｏｎｇ，ＣＡＯ　Ｙａｎｇ，ｅｔ　ａ１．Ｒｅｓｔｏｒａｔｉｏｎ　ｏｆ　ｉｍａｇｅ　ｄｅｇｒａｄｅｄ　ｂｙ　ｈａｚｅ［Ｊ］．Ａｃｔａ　ｅｌｅｃｔｒｏｎｉｃａ　ｓｉｎｉｃａ，２０１０，　３８（１０）：２２７９—２２８４．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１５］　郭蹯，蔡自兴，谢斌，等．单幅图像自动去雾新算法［Ｊ］．中国　图象图形学报，２０１ｌ，１６（４）：５１６—５２１．　ＧＵＯ　Ｆａｎ，ＣＡＩ　Ｚｉｘｉｎｇ，ＸＩＥ　Ｂｉｎ，ｅｔ　ａ１．Ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ａｕ—　ｔｏｍａｔｉｃ　ｈａｚｅ　ｒｅｍｏｖａｌ　ｆｏｒ　ｓｉｎｇｌｅ　ｉｍａｇｅ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｉｍａｇｅ　ａｎｄ　ｇｒａｐｈｉｃｓ，２０１１，１６（４）：５１６－５２１．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１６］　Ｌａｎｄ　Ｅ　Ｈ．ＭｃＣａｎｎ　Ｊ　Ｊ．Ｌｉｇｈｔｎｅｓｓ　ａｎｄ　Ｒｅｔｉｎｅｘ　ｔｈｅｏｒｙ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ｏｐｔｉｃａｌ　ｓｏｃｉｅｔｙ　ｏｆ　Ａｍｅｒｉｃａ，１９７１，６１（１）：卜１１．　［１７］　程娅荔，张也驰．基于ＭＳＲ的雾天图像清晰化算法研究［Ｊ］．　计算机仿真，２０１２，２９（４）：３０５—３０８．　ＣＨＥＮＧ　Ｙａｌｉ，ＺＨＡＮＧ　Ｙｅｃｈｉ．Ｒｅｓｅａｒｃｈ　ｆｏｇ—ｄｅｇｒａｄｅｄ　ｉｍａｇｅｓ　ｃｌｅａｒｎｅｓｓ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＭＳＲＥＪ］．Ｃｏｍｐｕｔｅｒ　ｓｉｍｕｌａ—　ｔｉｏｎ，２Ｏ１２，２９（４）：３０５—３０８．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１８］　Ｂｒａｉｎａｒｄ　Ｄ，Ｗａｎｄｅｌｌ　Ｂ．Ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　Ｒｅｔｉｎｅｘ　ｔｈｅｏｒｙ　ｏｆ　ｃｏｌｏｒ　ｖｉｓｉｏｎ　ＥＪ］．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ｏｐｔｉｃａｌ　ｓｏｃｉｅｔｙ　ｏｆ　Ａｍｅｒｉｃａ，　ｌ９８６，３（１０）：１６５１－１６６１．　［１９］　Ｔｅｒｚｏｐｏｕｌｏｓ　Ｄ．Ｉｍａｇｅ　ａｎａｌｙｓｉｓ　ｕｓｉｎｇ　ｍｕｈｉｇｒｅｄ　ｒｅｌａｘａｔｉｏｎ　ｍｅｔｈｏｄｓ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｐａｔｔｅｒｎ　ａｎａｌｙｓｉｓ　ａｎｄ　ｍａ　ｃｈｉｎｅ　ｉｎｔｅｌｌｉｇｅｎｃｅ，１９８６，８（２）：１２９—１３９．　［２Ｏ］　Ｋｉｍｍｅｌ　Ｒ，Ｅｌａｄ　Ｍ，Ｓｈａｋｅｄ　Ｄ，ｅｔ　ａ１．Ａ　ｖａｒｉａｔｉｏｎａｌ　ｆｒａｍｅ　ｗｏｒｋ　ｆｏｒ　Ｒｅｔｉｎｅｘ［Ｊ］．Ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ，２００３，５２（１）：７－２３．　［２１］　Ｆａｔｔａｌ　Ｒ．Ｓｉｎｇｌｅ　ｉｍａｇｅ　ｄｅｈａｚｉｎｇ［Ｊ］．ＡＣＭ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｇｒａｐｈｉｃｓ，２００８，２７（３）：１—９．　［２２］　Ｔａｎ　Ｒ　Ｔ．Ｖｉｓｉｂｉｌｉｔｙ　ｉｎ　ｂａｄ　ｗｅａｔｈｅｒ　ｆｒｏｍ　ａ　ｓｉｎｇｌｅ　ｉｍａｇｅ［Ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ａｎｄ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ．Ａｎｃｈｏｒｇａｅ：ＩＥＥＥ　ｐｒｅｓｓ，２００８：１—８．　［２３］　Ｈｅ　Ｋ，Ｓｕｎ　Ｊ，Ｔａｎｇ　Ｘ．Ｓｉｎｇｌｅ　ｉｍａｇｅ　ｈａｚｅ　ｒｅｍｏｖａｌ　ｕｓｉｎｇ　ｄａｒｋ　ｃｈａｎｎｅｌ　ｐｒｉｏｒ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　ｃｏｍｐｕｔｅｒ　ｓｏｃｉｅｔｙ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ａｎｄ　ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　（ＣＶＰＲ）．Ｍｉａｍｉ，ＦＬ，ＵＳＡ：ＩＥＥＥ　ｃｏｍｐｕｔｅｒ　ｓｏｃｉｅｔｙ，２００９：　１９５６－１９６３．　［２４］　Ｔａｒｅｌ　Ｊ，Ｈａｕｔｉ　Ｎ．Ｆａｓｔ　ｖｉｓｉｂｉｌｉｔｙ　ｒｅｓｔｏｒａｔｉｏｎ　ｆｒｏｍ　ｓｉｎｇｌｅ　ｃｏｌｏｒ　ｏｒ　ｇｒａｙ　ｌｅｖｅｌ　ｉａｍｇｅ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ（ＩＣＣＶ）．Ｋｙｏｔｏ，Ｊａｐａｎ：ＩＥＥＥ　ｃｏｍｐｕｔｅｒ　ｓｏｃｉｅｔｙ，２００９：２２０１—２２０８．　［２５］　禹晶，李大鹏，廖庆敏．基于物理模型的快速单幅图像去雾算　法［Ｊ］．中国图象图形学报，２０１１，１６（４）：５１６—５２１．　ＹＵ　Ｊｉｎｇ，ＬＩ　Ｄａｐｅｎｇ，ＬＩＡＯ　Ｑｉｎｇｍｉｎ．Ｐｈｙｓｉｃｓ—ｂａｓｅｄ　ｆａｓｔ　ｓｉｎ　ｇｌｅ　ｉｍａｇｅ　ｆｏｇ　ｒｅｍｏｖａｌ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｉｍａｇｅ　ａｎｄ　ｇｒａｐｈｉｃｓ，　２０１１，１６（４）：５１６－５２１．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２６］　ＭｃＣａｎｎ　Ｊ　Ｊ．Ｒｅｔｉｎｅｘ　ａｔ　４０［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａ—　ｇｉｎｇ，２００４，１３（１）：６－１４５．　［２７］　Ｆｒａｎｋｌｅ　Ｊ，ＭｃＣａｎｎ　Ｊ．Ｍｅｔｈｏｄ　ａｎｄ　ａｐｐａｒａｔｕｓ　ｆｏｒ　ｌｉｇｈｔｎｅｓｓ　ｉｍａｇｉｎｇ：ＵＳ，４３８４３３６ＬＰＪ．ｉ９８３．　［２８］　李晓光，沈兰荪，林健文．一种高动态范围图像可视化算法　［Ｊ］．计算机应用研究，２００７，２４（１１）：３０３—３０５．　ＬＩ　Ｘｉａｏｇｕａｎｇ，ＳＨＥＮ　Ｌａｎｓｕｎ，ＬＩＮ　Ｊｉａｎｗｅｎ．Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｖｉｓｕａｌｉｚａｔｉｏｎ　ｏｆ　ｈｉｇｈ　ｄｙｎａｍｉｃ　ｒａｎｇｅ　ｉｍａｇｅｓ［Ｊ］．Ａｐｐｌｉｃａｔｉｏｎ　ｒｅｓｅａｒｃｈ　ｏｆ　ｃｏｍｐｕｔｅｒｓ，２００７，２４（１１）：３０３—３０５．（ｉｎ　Ｃｈｉｎｅｓｅ）　［２９］　Ｋｕａｎｇ　Ｊ，Ｙａｍａｇｕｃｈｉ　Ｈ，Ｌｉｕ　Ｃ，ｅｔ　ａ１．Ｅｖａｌｕａｔｉｎｇ　ＨＤＲ　ｔｅｎ　ｄｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍｓ［Ｊ］．ＡＣＭ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ａｐｐｌｉｅｄ　ｐｅｒｃｅｐ—　ｔｉｏｎ（ＴＡＰ），２００７，４（２）：ｌ－２７．　第６期　毕笃彦等：单幅图像去雾方法研究　５３　［３Ｏ］　Ｆｕｎｔ　Ｂ，Ｂａｒｎａｒｄ　Ｋ，ＭＬ．Ｉｓ　ｍａｃｈｉｎｅ　ｃｏｌｏｒ　ｃｏｎｓｔａｎｃｙ　ｇｏｏｄ　ｅ—　ｎｏｕｇｈ？［Ｃ］／／Ｐｒｏｃｅｓｓｉｎｇｓ　ｏｆ　５ｔｈ　Ｅｕｒｏｐｅａｎ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ．Ｆｒｅｉｂｅｒｇ，Ｇｅｒｍａｎｙ：Ｌｅｃｔｕｒｅ　ｎｏｔｅｓ　ｉｎ　ｃｏｍ—　ｐｕｔｅｒ　ｓｃｉｅｎｃｅ，１９９８：４４５—４５９．　［３１］　Ｃａｒｄｅｉ　Ｖ，Ｆｕｎｔ　Ｂ，Ｂａｒｎｄ　Ｋ．Ｗｈｉｔｅ　ｐｏｉｎｔ　ｅｓｔｉｍａｔｉｏｎ　ｆｏｒ　ｕｎｃ—　ａｌｉｂｒａｔｅｄ　ｉｍａｇｅｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＳ￣Ｔ／ＳＩＤ　ｓｅｖｅｎｔｈ　ｃｏｌ　ｏｒ　ｉｍａｇｉｎｇ　ｃｏｎｆｅｒｅｎｃｅ．Ｓｃｏｔｔｓｄａｌｅ，ＵＳＡ：Ｊｏｈｎ　Ｗｉｌｅｙ，１９９９：　９７－１００．　［３２］　Ｂｕｃｈｓｂａｕｍ　Ｇ．Ａ　ｓｐａｔｉａｌ　ｐｒｏｃｅｓｓｏｒ　ｍｏｄｅｌ　ｆｏｒ　ｏｂｊｅｃｔ　ｃｏｌｏｒ　ｐｅｒ　ｃｅｐｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｒａｎｋｌｉｎ　ｉｎｓｔｉｔｕｔｅ，１９８０，３１０（１）：卜２６．　［３３１　Ｒｉｚｚｉ　Ａ。Ｇａｔｔａ　Ｃ，Ｍａｒｉｎｉ　Ｄ．Ａ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｕｎｓｕｐｅｒｖｉｓｅｄ　ｇｌｏｂａｌ　ａｎｄ　ｌｏｃａｌ　ｃｏｌｏｒ　ｃｏｒｒｅｃｔｉｏｎ［Ｊ］．Ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｌｅｔ—　ｔｅｒｓ，２００３，２４（１１）：１６６３—１６７７．　［３４３　Ｒｉｚｚｉ　Ａ，Ｇａｔｔａ　Ｃ，Ｍａｒｉｎｉ　Ｄ．Ｆｒｏｍ　Ｒｅｔｉｎｅｘ　ｔｏ　ａｕｔｏｍａｔｉｃ　ｃｏｌｏｒ　ｅｑｕａｌｉｚａｔｉｏｎ：ｉｓｓｕｅｓ　ｉｎ　ｄｅｖｅｌｏｐｉｎｇ　ａ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｕｎｓｕ—　ｐｅｒｖｉｓｅｄ　ｃｏｌｏｒ　ｅｑｕａｌｉｚａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｅｌｅｃｔｒｏｎｉｃ　ｉｍａｇｉｎｇ，　２００４，Ｉ３（１）：７５—８４．　［３５］　王守觉，丁兴号，廖英豪，等．一种新的仿生彩色图像增强方　法［Ｊ］．电子学报，２００８，３６（１０）：１９７０—１９７３．　ＷＡＮＧ　Ｓｈｏｕｊｕｅ，ＤＩＮＧ　Ｘｉｎｇｈａｏ，ＬＩＡＯ　Ｙｉｎｇｈａｏ，ｅｔ　ａ１．Ａ　ｎｏｖｅｌ　ｂｉｏ—ｉｎｓｐｉｒｅｄ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｃｏｌｏｒ　ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ［Ｊ］．　Ａｅｔａ　ｅｌｅｃｔｒｏｎｉｃａ　ｓｉｎｉｃａ，２００８，３６（１０）：１９７０—１９７３．（ｉｎ　Ｃｈｉ　ｎｅｓｅ）　Ｌ３６３　Ｓｔａｒｋ　Ｊ　Ａ．Ａｄａｐｔｉｖｅ　ｉｍａｇｅ　ｃｏｎｔｒａｓｔ　ｅｎｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｇｅｎ—　ｅｒａｌｉｚａｔｉｏｎｓ　ｏｆ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉ０ｎ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ，２０００，９（５）：８８９—８９６．　［３７］　Ｋｉｍ　Ｊ　Ｙ，Ｋｉｍ　Ｌ　Ｓ，Ｈｗａｎｇ　Ｓ　Ｈ．Ａｎ　ａｄｖａｎｃｅｄ　ｃｏｎｔｒａｓｔ　ａｎ—　ｈａｎｃｅｍｅｎｔ　ｕｓｉｎｇ　ｐａｒｔｉａｌｌｙ　ｏｖｅｒｌａｐｐｅｄ　ｓｕｂ—　ｂｌｏｃｋ　ｈｉｓｔｏｇｒａｍ　ｅ—＿　ｑｕａｌｉｚａｔｉｏｎ［Ｊ］．Ｃｉｒｃｕｉｔｓ　ａｎｄ　ｓｙｓｔｅｍｓ　ｆｏｒ　ｖｉｄｅｏ　ｔｅｃｈｎｏｌｏｇｙ，　２００２，１１（４）：４７５—４８４．　Ｅ３８］　章怡，王海峰．一种区间可变的改进直方图均衡化算法研究　［Ｊ］．科学通报，２０１２，２８（１０）：４３—４５．　ＺＨＡＮＧ　Ｙｉ，ＷＡＮＧ　Ｈａｉｆｅｎｇ．Ｒｅｓｅａｒｃｈ　ｏｆ　ｉｍｐｒｏｖｉｎｇ　ｈｉｓｔｏ—　ｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｏｎ　ｖａｒｉａｂｌｅ　ｓｅｃｔｉｏｎ［Ｊ］．Ｂｕｌｌｅｔｉｎ　ｏｆ　ｓｃｉｅｎｃｅ　ａｎｄ　ｔｅｃｈｎｏｌｏｇｙ，２０１２，２８（１０）：４３—４５．（ｉｎ　Ｃｈｉｎｅｓｅ）　［３９］　吴成茂．可调直方图均衡化的正则解释及其改进［Ｊ］．电子学　报，２０１１，３９（６）：１２７８—１２９５．　ｗＵ　Ｃｈｅｎｇｍａｏ．Ｒｅｇｕｌａｒｉｚａｔｉｏｎ　ｅｘｐｌａｎａｔｉｏｎ　ｏｆ　ａｄｊｕｓｔａｂｌｅ　ｈｉｓ—　ｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ　ａｎｄ　ｉｔｓ　ｉｍｐｒｏｖｅｍｅｎｔ［Ｊ］．Ａｃｔａ　ｅｌｅｃｔｒｏｎｉｃａ　ｓｉｎｉｃａ，２０１１，３９（６）：１２７８－１２９５．（ｉｎ　Ｃｈｉｎｅｓｅ）　［４Ｏ］　吴成茂．直方图均衡化的数学模型研究［Ｊ］．电子学报，２０１３，　４１（３）：５９８—６０２．　ＷＵ　Ｃｈｅｎｇｍａｏ．Ｓｔｕｄｉｅｓ　ｏｎ　ｍａｔｈｅｍａｔｉｃａｌ　ｍｏｄｅｌ　ｏｆ　ｈｉｓｔｏｇｒａｍ　ｅｑｕａｌｉｚａｔｉｏｎ［Ｊ］．Ａｃｔａ　ｅｌｅｃｔｒｏｎｉｃａ　ｓｉｎｉｃａ，２０１３，４１（３）：５９８—　６０２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［４１３　Ｐｏｌｅｓｅｌ　Ａ，Ｒａｍｐｏｎｉ　Ｇ，Ｍａｔｈｅｗｓ　Ｖ　Ｊ．Ｉｍａｇｅ　ｅｎｈａｎｃｅｍｅｎｔ　ｖｉａ　ａｄａｐｔｉｖｅ　ｕｎｓｈａｒｐ　ｍａｓｋｉｎｇ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ。２０００。９（３）：５０５—５１０．　［４２１　Ｖａｎ　ｄｅ　Ｗｅｉｊｅｒ　Ｊ，Ｇｅｖｅｒｓ　Ｔ，Ｇｉｊｓｅｎｉｊ　Ａ．Ｅｄｇｅ—ｂａｓｅｄ　ｃｏｌｏｒ　ｃｏｎｓｔａｎｃｙ　Ｉ－Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎ　ｏｎ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ，２００７，　１６（９）：２２０７—２２１４．　［４３］　Ｇｉｊｓｅｎｉｊ　Ａ，Ｇｅｖｅｒｓ　Ｔ．Ｃｏｌｏｒ　ｃｏｎｓｔａｎｃｙ　ｕｓｉｎｇ　ｎａｔｕｒａｌ　ｉｍａｇｅ　ｓｔａｔｉｓｔｉｃｓ　ａｎｄ　ｓｃｅｎｅ　ｓｅｍａｎｔｉｃｓ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｐａｔ一　ｔｅｒｎ　ａｎａｌｙｓｉｓ　ａｎｄ　ｍａｃｈｉｎｅ　ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１１，３３（４）：６８７—６９８．　［４４］　Ｇｅｕｓｅｂｒｏｅｋ　Ｊ　Ｍ，Ｓｍｅｕｌｄｅｒｓ　Ａ　Ｗ　Ｍ．Ａ　ｓｉｘ　ｓｔｉｍｕｌｕｓ　ｔｈｅｏｒｙ　ｆｏｒ　ｓｔｏｃｈａｓｔｉｃ　ｔｅｘｔｕｒｅ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　ｊｏｕｒｎａｌ　ｏｆ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ，２００５，６２（Ｉ一２）：７－１６．　［４５］　Ｂｒａｉｎａｒｄ　Ｄ　Ｈ，Ｆｒｅｅｍａｎ　Ｗ　Ｔ．Ｂａｙｅｓｉａｎ　ｃｏｌｏｒ　ｃｏｎｓｔａｎｃｙ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ｏｐｔｉｃａｌ　ｓｏｃｉｅｔｙ　ｏｆ　Ａｍｅｒｉｃａ，１９９７，１４（７）：１３９３—　１４１１．　［４６３　Ｅｂｎｅｒ　Ｍ．Ｅｖｏｌｖｉｎｇ　ｃｏｌｏｒ　ｃｏｎｓｔａｎｃｙ［Ｊ］．Ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｌｅｔｔｅｒｓ，２００６，２７（１１）：１２２０—１２２９．　［４７］　Ｓｔａｎｉｋｕｎａｓ　Ｒ，Ｖａｉｔｋｅｖｉｃｉｕｓ　Ｈ，Ｋｕｌｉｋｏｗｓｋｉ　Ｊ　Ｊ．Ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｏｆ　ｃｏｌｏｒ　ｃｏｎｓｔａｎｃｙ　ｗｉｔｈ　ａ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ［Ｊ］．Ｎｅｕｒａｌ　ｎｅｔ—　ｗｏｒｋｓ，２００４，１７（３）：３２７－３３７．　［４８］　Ｋｒａｔｚ　Ｌ，Ｎｉｓｈｉｎｏ　Ｋ．Ｆａｃｔｏｒｉｚｉｎｇ　ｓｃｅｎｅ　ａｌｂｅｄｏ　ａｎｄ　ｄｅｐｔｈ　ｆｒｏｍ　ａ　ｓｉｎｇｌｅ　ｆｏｇｇｙ　ｉｍａｇｅ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ．Ｋｙｏｔｏ，Ｊａｐａｎ：ＩＥＥＥ　ｐｒｅｓｓ，２００９：１７０１—１７０８．　［４９１　Ｎａｒａｓｉｍｈａｎ　Ｓ　Ｇ，Ｎａｙａｒ　Ｓ　Ｋ．Ｃｏｎｔｒａｓｔ　ｒｅｓｔｏｒａｔｉｏｎ　ｏｆ　ｗｅａｔｈｅｒ　ｄｅｇｒａｄｅｄ　ｉｍａｇｅｓ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　ｐａｔｔｅｒｎ　ａｎａｌｙｓｉｓ　ａｎｄ　ｍａｃｈｉｎｅ　ｉｎｔｅｌｌｉｇｅｎｃｅ，２００３，２５（６）：７１３—７２４．　［５Ｏ］　李权合，查宇飞，熊磊，等．雾霾退化图像场景再现新算法［Ｊ］．　西安电子科技大学学报，２０１３，４０（５）：９９—１０６．　ＬＩ　Ｑｕａｎｈｅ．ＺＨＡ　Ｙｕｆｅｉ，ＸＩＯＮＧ　Ｌｅｉ，ｅｔ　ａ１．Ｎｏｖｅｌ　ｍｅｔｈｏｄ　ｆｏｒ　ｈａｚｅ　ｄｅｇｒａｄｅｄ　ｉｍａｇｅ　ｓｃｅｎｅ　ｒｅｎｄｉｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｘｉｄｉａｎ　ｕ　ｎｉｖｅｒｓｉｔｙ，２０１３，４０（５）：９９—１０６．（ｉｎ　Ｃｈｉｎｅｓｅ）　［５１］　Ｋｒｉｓｔｏｆｏｒ　Ｂ．Ｇｉｂｓｏｎ，Ｔｒｕｏｎｇ　Ｑ，ｅｔ　ａ１．Ｏｎ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｅ　ｄａｒｋ　ｃｈａｎｎｅｌ　ｐｒｉｏｒ　ｆｏｒ　ｓｉｎｇｌｅ　ｉｍａｇｅ　ｄｅｈａｚｉｎｇ　ｂｙ　ａｐｐｒｏｘｉ—　ｍａｔｉｎｇ　ｗｉｔｈ　ｍｉｎｉｍｕｍ　ｖｏｌｕｍｅ　ｅ１ｌｉｐｓｏｉｄｓ［ｃ］／／Ｐｒ。ｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ａｃｏｕｓｔｉｃｓ，ｓｐｅｅｃｈ，ａｎｄ　ｓｉｎ—　ｇｌｅ　ｐｒｏｃｅｓｓｉｎｇ．［ｓ．１．］：ＩＥＥＥ　ｐｒｅｓｓ，２０１１：１２５３—１２５６．　［５２］　Ｎａｙａｒ　Ｓ　Ｋ，Ｎａｒａｓｉｍｈａｎ　Ｓ　Ｇ．Ｖｉｓｉｏｎ　ｉｎ　ｂａｄ　ｗｅａｔｈｅｒ［Ｃ］／／　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　ｉｎｔｅｒｎａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｃｏｍｐｕｔｅｒ　ｖｉ—　ｓｉｏｎ（ＩＣＣＶ）．Ｋｅｒｋｙｒａ，Ｇｒｅｅｃｅ：ＩＥＥＥ　ｐｒｅｓｓ，１９９９：８２０—８２７．　［５３］　Ａｄｅｌｓｏｎ　Ｅ　Ｈ．Ｌｉｇｈｔｎｅｓｓ　ｐｅｒｃｅｐｔｉｏｎ　ａｎｄ　ｌｉｇｈｔｎｅｓｓ　ｉｌｌｕｓｉｏｎ　ｉｎ　ｔｈｅ　ｎｅｗ　ｃｏｇｎｉｔｉｖｅ　ｎｅｕｒｏｓｃｉｅｎｃｅｓ［Ｍ］．Ｃａｍｂｒｉｄｇｅ，ＭＡ：ＭＩＴ　ｐｒｅｓｓ，２０００．　［５４３　饶瑞中．现代大气光学［Ｍ］．北京：科学出版社，２０１２．　ＲＡＯ　Ｒｕｉｚｈｏｎｇ．Ｍｏｒｄｅｎ　ａｓｔｏｍｐｈｅｒｅ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　ｐｒｅｓｓ，２０１２．（ｉｎ　Ｃｈｉｎｅｓｅ）　［５５］　蒋刚毅，黄大江，王旭，等．图像质量评价方法研究进ＮＥＪ］．电　子与信息学报，２０１０，３２（１）：２１９－２２５．　ＪＩＡＮＧ　Ｇａｎｇｙｉ，ＨＵＡＮＧ　Ｄａｊｉａｎｇ，ＷＡＮＧ　Ｘｕ，ｅｔ　ａ１．Ｏｖｅｒ—　ｖｉｅｗ　ｏｎ　ｉｍａｇｅ　ｑｕａｌｉｔｙ　ａｓｓｅｓｓｍｅｎｔ　ｍｅｔｈｏｄｓ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｅ　ｌｅｃｔｒｏｎｉｃｓ　８Ｌ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ，２０１０，３２（１）：２１９－２２５．　（ｉｎ　Ｃｈｉｎｅｓｅ）　［５６］　ＬＡＮ　Ｘｉａ．Ｓｉｎｇｌｅ　ｉｍａｇｅ　ｈａｚｅ　ｒｅｍｏｖａｌ　ｃｏｎｓｉｄｅｒｉｎｇ　ｓｅｎｓｏｒ　ｂｌｕｒ　ａｎｄ　ｎｏｉｓｅ［Ｊ］．ＥＵＲＡＳＩＰ　ｊｏｕｒｎａｌ　ｏｎ　ａｄｖａｎｃｅｓ　ｉｎ　ｓｉｇｎａｌ　ｐｒｏ　ｃｅｓｓｉｎｇ，２０１３（１）：１－１３．　［５７］　Ｈｅ　Ｒｅｎｊｉｅ．Ｍｕｌｔｉｐｌｅ　ｓｃａｔｔｅｒｉｎｇ　ｍｏｄｅｌ　ｂａｓｅｄ　ｓｉｎｇｌｅ　ｉｍａｇｅ　ｄｅ—　ｈａｚｉｎｇ［ｃ］／／ＩＥＥＥ　８ｔｈ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｉｎｄｕｓｔｒｉａｌ　ｅｌｅｃｔｒｏｎｉｃｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ．Ｐｉｓｃａｔａｗａｙ，ＮＪ：ＩＥＥＥ　ｐｒｅｓｓ，２０１３：卜ｌＯ．　（编辑：徐楠楠）