基于L1范式優(yōu)化透射率和飽和度補(bǔ)償?shù)娜レF方法

麻文剛，張亞東，郭 進(jìn)，晏 姍

(西南交通大學(xué) 信息科學(xué)與技術(shù)學(xué)院，四川 成都 611756)

霧天條件下采集到的圖像容易出現(xiàn)諸如圖像對比度下降、顏色失真及缺失細(xì)節(jié)等問題，嚴(yán)重影響智能交通系統(tǒng)、鐵路監(jiān)控系統(tǒng)、鐵路故障檢測系統(tǒng)的功能發(fā)揮及行車人員的日常操作，因此將在鐵路交通等場景采集回來的圖像進(jìn)行去霧處理，得到清晰的無霧圖像，能為鐵路場景工況處理打下很好的基礎(chǔ)。目前去霧處理的方法主要有2種：圖像增強(qiáng)與圖像復(fù)原。圖像增強(qiáng)主要針對有霧圖像的局部信息，基本忽略了次要信息的影響，因此會導(dǎo)致圖像存在細(xì)節(jié)信息丟失的問題。圖像復(fù)原主要基于大氣散射模型，利用退化的暗通道先驗(yàn)知識進(jìn)行圖像復(fù)原，主觀上去霧效果比較自然且有較強(qiáng)的針對性，同時(shí)此類方法對細(xì)節(jié)進(jìn)行了有效改善，根據(jù)構(gòu)造代價(jià)函數(shù)和約束方程來恢復(fù)圖像[1-8]。

文獻(xiàn)[1-2]根據(jù)優(yōu)化的暗原色先驗(yàn)?zāi)Ｐ停瑢μ炜諈^(qū)域引入具有保邊去噪的雙邊濾波算法，提出一種改進(jìn)的邊界約束算法，通過兩種算法分別估計(jì)兩個(gè)區(qū)域的透射率，然后利用大氣物理散射模型復(fù)原各區(qū)域，最后合并兩個(gè)無霧區(qū)域得到去霧圖像。文獻(xiàn)[3]利用優(yōu)化暗通道模型，同時(shí)根據(jù)獨(dú)立成分分析來復(fù)原圖像，取得了一定去霧效果，但是由于主要原理是基于顏色信息的統(tǒng)計(jì)特性，在濃霧條件下，顏色信息少，處理效果較差。He等[4]根據(jù)原始暗原色先驗(yàn)方法求解傳輸函數(shù)，利用softingmatting算法對其進(jìn)一步處理，得到了去霧效果較好的圖像，但是復(fù)雜度高、耗時(shí)長等缺點(diǎn)限制了實(shí)時(shí)視頻圖像的處理，因此后續(xù)He等[5]等在暗通道先驗(yàn)基礎(chǔ)上又提出了引導(dǎo)濾波的方法，對圖像進(jìn)行進(jìn)一步修正，但是由于建立濾波窗口問題導(dǎo)致透射率估計(jì)不準(zhǔn)確。文獻(xiàn)[6]提出了一種快速圖像去霧算法，對原始暗通道先驗(yàn)方法進(jìn)行改進(jìn)，能夠有效去霧，但此方法由于局部濾波的原因，會導(dǎo)致景深區(qū)域信息較為模糊，一些信息會被當(dāng)做霧氣信息直接濾除，導(dǎo)致得到的圖像出現(xiàn)了失真。Meng等[7]在大氣散射模型基礎(chǔ)上，提出了基于邊界約束的去霧方法，雖能取得一定效果，但是圖像細(xì)節(jié)信息丟失。Sun等[8]在暗通道先驗(yàn)基礎(chǔ)上提出的大氣光估計(jì)方法，可有效解決大氣光選取不足的現(xiàn)象，但是由于僅是對局部大氣光的估計(jì)，所以天空會出現(xiàn)大量的白色區(qū)域，導(dǎo)致獲得的圖像畫面蒼白。Cai等[9]通過建立霧天圖像庫，使用卷積神經(jīng)網(wǎng)絡(luò)的方法得到圖像的傳輸圖，從而實(shí)現(xiàn)霧天圖像的去霧處理，但該方法只獲取了圖像的傳輸圖，仍需應(yīng)用大氣成像模型計(jì)算得到清晰的圖像，且去霧效果仍受成像模型的其他參數(shù)影響。Zhu等[10]等提出了一種顏色衰減去霧方法，用于從單個(gè)輸入模糊圖像中去除霧霾，通過在新型先驗(yàn)條件下對模糊圖像的景深信息建立線性模型，并使用監(jiān)督學(xué)習(xí)方法計(jì)算模型參數(shù)，可以很好地恢復(fù)深度信息達(dá)到去霧效果。文獻(xiàn)[11-20]都是在暗通道先驗(yàn)基礎(chǔ)上，通過各自的優(yōu)化方法對圖像的透射率以及圖像更為細(xì)節(jié)的邊緣信息進(jìn)行優(yōu)化改進(jìn)，都能各自取得較好的去霧效果，但是獲得的圖像直觀效果畫面較為蒼白，飽和度較低，邊緣細(xì)節(jié)能力恢復(fù)較差。

綜上，本文的圖像去霧過程分為3個(gè)步驟：①大氣光與初始透射率估計(jì)；②優(yōu)化透射率；③飽和度補(bǔ)償。利用交叉雙邊濾波器與多重引導(dǎo)濾波方法對大氣光值與初始透射率進(jìn)行估計(jì)；引入Kirsch與Laplacian算子構(gòu)成高階濾波器對透射率進(jìn)行優(yōu)化處理，利用L1范式對透射率進(jìn)行迭代優(yōu)化；受模糊圖像低飽和度的影響，對圖像進(jìn)行飽和度補(bǔ)償以獲得高飽和度的圖像；通過主觀與客觀評價(jià)驗(yàn)證方法的有效性。

1 背景

根據(jù)散射理論，McCartney首次提出大氣散射模型，用來描述霧化圖像的退化過程，其數(shù)學(xué)表達(dá)式為

I(x)=J(x)t(x)+A(1-t(x))

(1)

t(x)=e-βd(x)0≤d(x)≤1

(2)

式中：I為有霧圖像；J為最終需復(fù)原的圖像；t為透射率；d為場景深度；A為大氣光值；β為大氣散射系數(shù)。

去霧的主要目的是通過估計(jì)參數(shù)A與t(x)，從而從霧圖中得到J(x)，而復(fù)原圖像的關(guān)鍵是估計(jì)介質(zhì)傳輸率t(x)。He等[4]通過研究提出暗通道模型

(3)

Jdark(x)→0

(4)

式中：JC為J某一個(gè)顏色通道；Ω(x)為以x為中心的鄰域；經(jīng)統(tǒng)計(jì)觀察得出，Jdark的強(qiáng)度總是很低并且趨近于0；介質(zhì)傳輸率t(x)為局部常量。

結(jié)合式(1)～式(4)，則有

(5)

根據(jù)暗通道先驗(yàn)，透射率表達(dá)式為

(6)

對于式(6)，引入系數(shù)θ使得去霧后的圖像保持一定霧感，經(jīng)驗(yàn)取值為0.95。

2 本文算法

本文去霧算法流程見圖1。首先，根據(jù)形態(tài)學(xué)操作與交叉雙邊濾波器實(shí)現(xiàn)大氣光值估計(jì)；其次，根據(jù)多重導(dǎo)向?yàn)V波實(shí)現(xiàn)透射率初始估計(jì)，通過L1范式計(jì)算目標(biāo)函數(shù)對初始透射率進(jìn)行優(yōu)化得到介質(zhì)傳輸率的最終估計(jì)；最后，通過飽和度補(bǔ)償與色調(diào)調(diào)整來修正圖像，以獲得去霧圖像。

圖1 去霧算法流程

2.1 透射率估計(jì)

2.1.1 初始透射率及大氣光估計(jì)

He等[5]提出的導(dǎo)向?yàn)V波方法為

qi=akIguide+bk?i∈wk

(7)

式中：Iguide為導(dǎo)向圖像；wk為二維窗口；ak與bk為線性變換系數(shù)。由于建立在二維窗口內(nèi)，導(dǎo)致估計(jì)透射率效果不太良好。為使去霧圖像具有良好的透射率，將圖像結(jié)構(gòu)層Is導(dǎo)向?yàn)V波得到第一導(dǎo)向圖，進(jìn)而邊緣檢測得邊緣圖Iedge，則有

t1=ak1Is+bk1

(8)

t2=ak2Iedge+bk2

(9)

t*=ω1t1+ω2t2

(10)

式中：ω1,ω2∈[0,1]為權(quán)重；t1為結(jié)構(gòu)信息；t2為邊緣信息。為了使去霧后的圖像邊緣與結(jié)構(gòu)更加清晰直觀，取ω1=ω2=0.5，其效果見圖2。

圖2 初始透射率權(quán)重效果對比

從圖2可以看到，由于透射率估計(jì)不準(zhǔn)確的原因，4幅圖像的天空及景物區(qū)域顯示不太清晰，且存在Halo效應(yīng)，去霧效果一般。

為了獲得邊緣保持良好的大氣光，本文對有霧圖像取最大值得到AmC(x)，且進(jìn)行形態(tài)學(xué)閉操作消除局部像素的干擾，然后根據(jù)交叉雙邊濾波得到最終的大氣光A(x)，其表達(dá)式為

(11)

2.1.2 透射率優(yōu)化

采用式(10)求出的透射率進(jìn)行去霧處理時(shí)，復(fù)原的圖像會出現(xiàn)Halo效應(yīng)。為了繼續(xù)得到更精細(xì)的透射率，本文構(gòu)造加權(quán)函數(shù)，使相鄰像素之間透射率差趨于0，即滿足G(x,y)(t(x)-t(y))≈0。同時(shí)通過Kirsch與Laplacian兩種邊緣檢測[12-15]算子(圖3,圖中：中心為Laplacian算子；周圍為Kirsch算子)，構(gòu)成一組高階濾波器。其構(gòu)造的加權(quán)函數(shù)為

(12)

式中：Dj為一組高階濾波器；j為濾波器組索引；i為第j個(gè)濾波器構(gòu)造的第i個(gè)加權(quán)函數(shù)，i=j=0,1,2,3,…,9；參數(shù)σ是標(biāo)準(zhǔn)差。

圖3 高階濾波器組

根據(jù)L1范式優(yōu)化初始透射率，則有

(13)

為了求解式(13)，加入輔助變量χj，則代價(jià)函數(shù)為

(14)

式中：o為元素級乘法運(yùn)算符；μ為歸一化參數(shù)；τ為權(quán)重值；ω為高階算子索引值；t*為初始透射率。

最終的透射率為

(15)

圖4 透射率優(yōu)化效果對比

圖4中4幅圖片依次為有霧圖像、τ0=1的迭代透射率、τ0=64的迭代優(yōu)化透射率，以及τmax=28的透射率。從圖4中可以看到，經(jīng)過優(yōu)化后獲得的迭代優(yōu)化透射率效果較好，遠(yuǎn)景及近景層次分明，細(xì)節(jié)信息較好。

2.2 圖像復(fù)原

2.2.1 飽和度補(bǔ)償

從前節(jié)的圖4可以看出，優(yōu)化后的透射率處理雖具有高對比度，但圖像顏色暗淡，視覺效果不佳。因此本文采用文獻(xiàn)[17]的方法，將圖像轉(zhuǎn)換到HSV空間進(jìn)行飽和度補(bǔ)償，則有

(16)

式中：S(x)為飽和度值。

將式(16)進(jìn)行變形可得

(17)

飽和度補(bǔ)償因子φ(x)可以表示為

(18)

將式(18)代入式(16)可以得到飽和度補(bǔ)償公式

(19)

從式(19)可知，φ(x)越小，飽和度越大，得到的圖像整體直觀效果越好。作為對比，本文選擇一幅圖像進(jìn)行飽和度補(bǔ)償實(shí)驗(yàn)。圖5(a)～圖5(d)依次為有霧圖像、初始透射率去霧圖像、透射率優(yōu)化去霧圖像及飽和度補(bǔ)償去霧圖像，可以看到，在經(jīng)過飽和度補(bǔ)償后，圖像整體霧感降低，且亮度適宜，白色物體區(qū)域線條分明，圖像質(zhì)量整體較好。

2.2.2 色調(diào)調(diào)整

在有霧的條件下，大氣光的影響可能導(dǎo)致恢復(fù)的圖像O(x)變暗，因此有必要調(diào)整圖像的色調(diào)以改善圖像的細(xì)節(jié)和亮度。本文采用文獻(xiàn)[18]的方法，則有

(20)

圖5 飽和度補(bǔ)償效果

圖6 色調(diào)調(diào)整效果

3 實(shí)驗(yàn)結(jié)果與分析

3.1 復(fù)原視覺對比分析

圖7 霧氣較小圖像去霧效果

分別選取霧氣較小的圖片以及霧氣較大的圖片進(jìn)行去霧實(shí)驗(yàn)對比。霧氣較小圖片為草堆、森林和高樓3種場景中的有霧圖像，霧氣較大圖像為天安門、山峰和鄉(xiāng)村圖像，分別見圖7和圖8。從圖7可以看出：對于霧氣較小的圖像，本文方法對于3個(gè)場景的有霧圖像處理效果較好，清晰度得到了提高，在濃霧區(qū)域透射率圖反映細(xì)節(jié)較多，去霧之后的圖像邊緣細(xì)節(jié)信息保持良好；尤其從圖7(c)可以看出，去霧之后沒有產(chǎn)生黑斑效應(yīng)及圖像失真等影響，并且復(fù)原的圖像色彩鮮艷，具有較好的圖像顏色。從圖8可以看出：對于霧氣較大的圖像，經(jīng)過本文方法處理后，得到的透射率信息較為良好，3個(gè)不同場景的濃霧圖像經(jīng)過去霧處理后，能夠恢復(fù)出較多的邊緣細(xì)節(jié)信息，圖像直觀性效果較好，去霧之后飽和度與亮度都較為適宜。由此驗(yàn)證了本文方法去霧的性能，同時(shí)從霧氣大小圖片也能驗(yàn)證本文方法的魯棒性與有效性。

圖8 霧氣較大圖像去霧效果

選擇去霧領(lǐng)域較好的一些方法與本文方法進(jìn)行去霧效果對比，包括He方法[4]、Meng方法[7]、Sun方法[8]、Zhu方法[10]和Cai方法[9]，去霧效果見圖9。He方法根據(jù)原始暗原色先驗(yàn)求解傳輸函數(shù)，利用softingmatting算法進(jìn)行去霧處理，但是復(fù)雜度高、耗時(shí)長等缺點(diǎn)限制了處理效果，去霧效果如圖9(b)所示，濃霧區(qū)域霧氣基本消除，但是遠(yuǎn)景區(qū)域仍然存在殘霧，并且某些細(xì)節(jié)部分完全失真，看不出任何細(xì)節(jié)信息，這主要是全局大氣光估計(jì)不準(zhǔn)確造成的。Meng在大氣散射模型基礎(chǔ)上，提出了基于邊界約束的去霧方法，但是圖像邊緣信息丟失，盡管恢復(fù)出了圖像的一些細(xì)節(jié)并且基本上沒有失真，但圖像存在偏色現(xiàn)象，導(dǎo)致得到的圖像顏色不均勻，去霧效果見圖9(c)。Sun在暗通道先驗(yàn)基礎(chǔ)上提出的大氣光估計(jì)方法，可有效解決大氣光選取不足的現(xiàn)象，得到的圖像亮度也較好，但會發(fā)生顏色失真問題，去霧效果如圖9(d)所示，在天空及景色區(qū)域均出現(xiàn)了完全性的失真，且畫面較為蒼白，這主要是由于形態(tài)學(xué)操作所導(dǎo)致的。Zhu等提出使用先驗(yàn)顏色衰減方法，通過在新型先驗(yàn)條件下對模糊圖像的景深信息建立線性模型，并使用監(jiān)督學(xué)習(xí)方法學(xué)習(xí)模型的參數(shù)進(jìn)行去霧，但圖像上仍然存在霧感，即去霧不徹底，從圖9(e)第1張及第4張圖像可以看出，去霧后的圖像顏色線條過度飽合，很難復(fù)原圖像濃霧區(qū)域的細(xì)節(jié)信息。Cai方法通過建立霧天圖像庫，使用卷積神經(jīng)網(wǎng)絡(luò)的方法得到圖像的傳輸圖，從而實(shí)現(xiàn)霧天圖像的去霧處理，但該方法只獲取了圖像的傳輸圖，仍需應(yīng)用大氣成像模型計(jì)算得到清晰的圖像，且去霧效果仍受成像模型的其它參數(shù)影響，從圖9(f)的去霧效果可以看到，該方法處理圖像能夠獲得更多細(xì)節(jié)信息，但是由于其先驗(yàn)性和假設(shè)約束性會導(dǎo)致去霧不足以及濃霧去霧效果不佳。本文(圖9(g))結(jié)合傳統(tǒng)引導(dǎo)濾波與交叉雙邊濾波對初始透射率與大氣光值進(jìn)行估計(jì)，并利用L1正則化思想優(yōu)化介質(zhì)傳輸率的權(quán)值，同時(shí)通過飽和度補(bǔ)償與色調(diào)調(diào)整進(jìn)一步優(yōu)化了復(fù)原圖像。與暗通道先驗(yàn)相比，本文方法恢復(fù)了圖像的很多細(xì)節(jié)，特別是在遠(yuǎn)處區(qū)域，亮度適宜。對比其他幾種去霧方法，本文方法復(fù)原的圖像具有較好的色彩保真性能，經(jīng)過本文方法處理后，圖像的色調(diào)與飽和度都得到很大的提高。但是本文方法處理圖像得到的亮度較之Sun方法來說略低，但仍在可接受范圍之內(nèi)。同時(shí)經(jīng)過本文方法處理后，圖像濃霧區(qū)域霧氣基本去除，且復(fù)原的圖像細(xì)節(jié)信息較多，對于天空區(qū)域的處理較為適宜，失真最小。

為了驗(yàn)證本文每個(gè)步驟的必要性，分析了公路及火車兩種場景下的圖像，分別將有霧圖像利用每個(gè)步驟處理后的去霧效果做對比，見圖10和圖11。圖中依次為：有霧圖像、初始透射率去霧圖像、權(quán)重值都取0.5去霧效果圖、交叉雙邊濾波器估計(jì)大氣光去霧效果圖、透射率優(yōu)化后去霧效果圖、飽和度補(bǔ)償后去霧效果圖、色調(diào)調(diào)整后去霧效果圖、整體去霧效果圖。

從圖10及圖11可以看出：利用初始透射率恢復(fù)的圖像在濃霧區(qū)域去霧效果不徹底，大樹部分出現(xiàn)暗影，基本沒有達(dá)到去霧效果；在初始計(jì)算透射率權(quán)重后，大樹暗影基本消失，但是濃霧區(qū)域還有霧氣干擾，圖像較遠(yuǎn)處信息顯示不清晰，但相比前一步驟，細(xì)節(jié)明顯增多，這是大氣光估計(jì)不準(zhǔn)確的原因；利用雙邊交叉濾波器后，可以看到圖像亮度適宜，且較遠(yuǎn)處圖像信息顯示出來，但是大樹部分圖像信息出現(xiàn)黑斑現(xiàn)象，這是由于透射率估計(jì)不精確的原因；在經(jīng)過L1范式迭代優(yōu)化透射率后，可以看到大部分黑斑基本消失，圖像細(xì)節(jié)顯示效果較好，但是天空區(qū)域較暗，尤其從圖11(e)就可以看出，整個(gè)圖像偏暗，這是因?yàn)轱柡投日{(diào)整不恰當(dāng)導(dǎo)致的；在經(jīng)過飽和度補(bǔ)償后，從圖10(f)及圖11(f)可以看出，圖像整體復(fù)原變好，且較之前者方法，圖像明亮度較為適宜，但是景色部分色調(diào)顯示很蒼白；從圖10(g)及圖11(g)可以看出，在經(jīng)過色調(diào)調(diào)整后，圖像整體恢復(fù)較好，但是也可以看到由于參數(shù)選擇的不正確也會導(dǎo)致天空區(qū)域過亮；圖10(h)及圖11(h)為整體利用本文提出的方法進(jìn)行去霧，可以看到復(fù)原圖像細(xì)節(jié)多，暗影現(xiàn)象基本消失，不存在Halo效應(yīng)，尤其在遠(yuǎn)景區(qū)域，并且明亮度相對較好，這就驗(yàn)證了本文方法每個(gè)步驟的必要性。同時(shí)也應(yīng)該看到，在鐵路場景進(jìn)行去霧處理時(shí)，受到天氣、圖像采集設(shè)備的影響，經(jīng)過本文去霧處理后的圖像色調(diào)及其亮度較之上節(jié)處理的圖像效果偏差，且鐵路場景皆為實(shí)時(shí)視頻圖像，此時(shí)本文的去霧效果較差，但是對于單幅靜態(tài)圖像來說，本文方法整體去霧效果較好，能夠達(dá)到鐵路處理圖像的要求。

圖9 各種去霧方法去霧效果

圖10 公路去霧效果

圖11 火車去霧效果

3.2 算法評價(jià)指標(biāo)分析

本文通過基于可見邊的對比度增強(qiáng)評估方法，對去霧之后的圖像進(jìn)行客觀參數(shù)評價(jià)，包括可見邊比(e越大越好)、可見梯度比(k*越大越好)、色調(diào)保真度參數(shù)(H越小越好)，以及各種方法的運(yùn)行時(shí)間對比。3個(gè)客觀參數(shù)的數(shù)學(xué)表達(dá)式為

(21)

(22)

(23)

式中：ur與u0分別為霧化圖像和去霧圖像中可見邊的數(shù)目；jr為去霧圖像的平均梯度；j0為霧化圖像的平均梯度；abs()為對所有元素取絕對值；Gα(x)與Gβ(x)分別為去霧前后彩色圖像在HSV空間中的色調(diào)分量。

客觀評價(jià)指標(biāo)效果見圖12(圖像為圖9圖像)。從圖12(a)可以看出，Meng方法與Zhu方法的可見邊比出現(xiàn)了負(fù)值，但使用本文提出的方法恢復(fù)圖像，效果較好，其可見邊比達(dá)到了最大，這是因?yàn)楸疚氖褂蔑柡投葋硌a(bǔ)償模糊圖像，從而使得圖像局部細(xì)節(jié)變好。圖12(b)為各方法運(yùn)行時(shí)間對比，所有方法都比較耗時(shí)，其中He方法因?yàn)槠鋸?fù)雜度較高所以運(yùn)行時(shí)間最長，本文方法較之其他方法運(yùn)行時(shí)間最短。圖12(c)為可見邊緣梯度比的比較，本文比Cai方法的性能弱一點(diǎn)，這是由于本文在選取透射率權(quán)值時(shí)只考慮了權(quán)重相等的結(jié)果導(dǎo)致的，但是與其他方法相比，恢復(fù)后圖像的r值也較大。圖12(d)為色調(diào)保真參數(shù)對比，可以看出本文復(fù)原圖像獲得的H值最小，說明本文算法可獲得較高的色彩保真度。

圖12 算法評價(jià)

綜上，本文提出的方法相比于其它去霧方法，具有一定的優(yōu)越性，去霧效果及魯棒性較好。同時(shí)從主觀分析得出本文方法對各個(gè)場景中的有霧圖像都可以有效去霧，較之其他的去霧方法效果較好，且本文中加了一項(xiàng)每個(gè)步驟的驗(yàn)證實(shí)驗(yàn)，從主觀評價(jià)可以得出本文提出的每個(gè)步驟都是有必要且必不可少的，因此體現(xiàn)出了本文方法的魯棒性。本文提出方法的主觀評價(jià)中，去霧后的圖像雖然還是存在一些缺點(diǎn)，但是不足以影響圖像的整體直觀效果，同時(shí)本文方法恢復(fù)的圖像細(xì)節(jié)信息較多，達(dá)到了較好的去霧，且從客觀評價(jià)也可以看出，雖然指標(biāo)沒有達(dá)到最優(yōu)，但是較之其它方法也取得了較好的效果，證明了本文方法去霧的魯棒性和有效性。

4 結(jié)論

針對霧天采集圖像存在低飽和度與低亮度的現(xiàn)象，以及傳統(tǒng)暗通道先驗(yàn)去霧方法透射率估計(jì)不精確的問題，本文結(jié)合傳統(tǒng)引導(dǎo)濾波與交叉雙邊濾波對初始透射率與大氣光值進(jìn)行估計(jì)，并利用L1正則化思想優(yōu)化介質(zhì)傳輸率的權(quán)值，同時(shí)通過飽和度補(bǔ)償與色調(diào)調(diào)整進(jìn)一步優(yōu)化了復(fù)原圖像。實(shí)驗(yàn)分別從主觀與客觀兩個(gè)方面對提出的方法進(jìn)行驗(yàn)證分析。從主觀方面來看，本文算法復(fù)原的圖像色彩等信息較好，且不同場景獲得的圖像更加清晰直觀，較之其他方法，圖像邊緣細(xì)節(jié)層次分明；從客觀評價(jià)也可以看到，本文方法的可見邊比與色彩保真度最好，算法雖然耗時(shí)，但在可接受范圍之內(nèi)；實(shí)驗(yàn)也用8幅對比的圖像驗(yàn)證了本文方法每一步的必要性?？傮w而言，本文所提方法去霧效果較好，魯棒性較高。但是當(dāng)對鐵路場景圖像進(jìn)行操作時(shí)，由于對圖像實(shí)時(shí)性操作要求較高，本文還需在后續(xù)將去霧處理時(shí)間降低，以能實(shí)現(xiàn)對鐵路場景視頻圖像的去霧處理。提高算法的實(shí)用性，更好地對鐵路及交通場景的視頻圖像進(jìn)行處理，是下一步的研究工作。