一種用Sigmoid函數(shù)進(jìn)行加權(quán)融合的圖像去霧算法

火元蓮,張喬森,張金石,范宏棟

(1.西北師范大學(xué)物理與電子工程學(xué)院,甘肅 蘭州 730070;2.甘肅省智能信息技術(shù)與應(yīng)用工程研究中心,甘肅 蘭州 730070)

1 引言

近年來,由于第二產(chǎn)業(yè)的穩(wěn)步發(fā)展,污染物的排放量逐年增多,空氣中的水蒸氣與污染物結(jié)合所形成的霧霾[1,2]影響了人們的正常生活,造成了巨大的社會(huì)經(jīng)濟(jì)損失。霧霾也會(huì)使戶外環(huán)境中圖像采集設(shè)備的成像質(zhì)量下降,所以圖像去霧算法研究成為了人臉識(shí)別、目標(biāo)跟蹤[3]以及視頻監(jiān)控等應(yīng)用的熱點(diǎn)問題之一,具有重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。

目前圖像去霧方法主要分為基于圖像增強(qiáng)、基于圖像復(fù)原和基于深度學(xué)習(xí)的方法?；谏疃葘W(xué)習(xí)的方法大都以卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)構(gòu)造去霧模型[4,5],這類方法去霧效果較好,但數(shù)據(jù)量龐大,成本較高。基于圖像增強(qiáng)的去霧方法,主要目的是對(duì)圖像對(duì)比度進(jìn)行拉伸,對(duì)圖像像素灰度值進(jìn)行改變,從而改善視覺效果,主要有直方圖均衡[6]、同態(tài)濾波[7]、小波變換[8]以及Retinex[9,10]等。直方圖均衡是把圖像直方圖中灰度級(jí)分布較窄的區(qū)域拉伸到全局范圍內(nèi)來改善視覺效果。同態(tài)濾波是對(duì)霧圖進(jìn)行對(duì)數(shù)變換和高通濾波處理,以獲取圖像的高頻分量,達(dá)到抑制低頻分量、增強(qiáng)圖像細(xì)節(jié)的目的。小波變換是利用小波分解形成不同尺度圖像的分布特征,實(shí)現(xiàn)圖像的細(xì)節(jié)增強(qiáng)。Retinex主要是分離出圖像的反射分量,實(shí)現(xiàn)對(duì)比度拉伸,從而使圖像質(zhì)量恢復(fù)。但是,此類傳統(tǒng)方法由于沒有考慮霧圖的形成原因,處理后的圖像中容易產(chǎn)生色彩過飽和、細(xì)節(jié)丟失以及引入了更多噪聲的問題。而基于圖像復(fù)原的方法從霧圖形成的原因出發(fā),結(jié)合大氣散射模型,從輸入霧圖中反推導(dǎo)出無霧的圖像[11],針對(duì)性更強(qiáng)。由于大氣散射模型涉及到透射率以及大氣光的求解,使得基于概率統(tǒng)計(jì)獲取無霧圖像先驗(yàn)信息的方法成為了該類方法處理圖像去霧問題的主要手段。He等人[12]在統(tǒng)計(jì)大量清晰圖像后發(fā)現(xiàn)暗通道的統(tǒng)計(jì)規(guī)律,直接對(duì)單幅圖像進(jìn)行透射率的求解,簡(jiǎn)化了大氣散射模型,對(duì)部分霧圖有著較好的去霧效果,但在景深突變區(qū)域容易產(chǎn)生光暈現(xiàn)象并且在天空區(qū)域不滿足暗通道規(guī)律。Zhu等人[13]統(tǒng)計(jì)大量霧圖發(fā)現(xiàn),隨著場(chǎng)景深度的增加,圖像的亮度和飽和度之間的差值與場(chǎng)景深度成正比,因此對(duì)深度信息建模,用監(jiān)督學(xué)習(xí)方法學(xué)習(xí)模型中參數(shù),求得深度圖,再通過大氣散射模型估計(jì)得到透射圖,恢復(fù)出清晰圖像。融合亮度和暗通道先驗(yàn)的圖像去霧算法[14]考慮到暗通道先驗(yàn)對(duì)天空區(qū)域不適應(yīng),通過觀察霧圖發(fā)現(xiàn)隨著場(chǎng)景深度的增加,亮度與場(chǎng)景深度成正比,所以用亮度來代替景深,基于亮度模型來估計(jì)天空區(qū)域透射率,對(duì)前景區(qū)域透射率用暗通道來估計(jì),再將2種透射率進(jìn)行加權(quán)融合,最后恢復(fù)出清晰圖像。融合暗通道先驗(yàn)和顏色衰減先驗(yàn)的圖像去霧算法[15]是用顏色衰減先驗(yàn)估計(jì)天空透射率,用暗通道先驗(yàn)估計(jì)前景透射率,用均值濾波方法對(duì)分割邊緣處的透射率做平滑處理,并以分段函數(shù)的形式表示最終的透射率。但是,使用均值濾波法的平滑處理效果不佳而且融合后的透射率不精確,使得最終恢復(fù)出的圖像色彩不自然,尤其是邊緣處易出現(xiàn)色彩失真。

針對(duì)上述融合算法存在過渡區(qū)域平滑不佳以及透射率估計(jì)不精確等問題,本文提出了一種用Sigmoid函數(shù)進(jìn)行加權(quán)融合的圖像去霧算法。首先用Canny算子來檢測(cè)邊緣,并根據(jù)邊緣密度進(jìn)行天空區(qū)域的分割;然后在天空區(qū)域采用顏色衰減先驗(yàn)來估計(jì)透射率,而在前景區(qū)域使用暗通道先驗(yàn)估計(jì)透射率;接著將Sigmoid函數(shù)作為透射率權(quán)重,對(duì)估計(jì)出的2個(gè)區(qū)域的透射率進(jìn)行加權(quán)融合,以使邊緣過渡更加平滑;同時(shí)考慮到不同的波長(zhǎng)對(duì)應(yīng)的衰減常數(shù)不同,在R、G、B共3個(gè)通道上分別選取不同的衰減數(shù)值,以進(jìn)一步提高圖像恢復(fù)的質(zhì)量;在大氣光估計(jì)上,本文將亮度值排在天空部分前0.1%的中值對(duì)應(yīng)像素點(diǎn)作為大氣光值的估計(jì)值,中值對(duì)噪聲的魯棒性較強(qiáng),可使恢復(fù)的圖像更加自然。最后用大氣散射模型恢復(fù)出清晰圖像。理論分析以及實(shí)驗(yàn)結(jié)果表明,本文算法很好地解決了恢復(fù)圖像色彩不自然以及邊緣處的色彩失真等問題,有更好的去霧效果,同時(shí)保證了算法的實(shí)效性。

2 相關(guān)理論

2.1 大氣散射模型

目前,廣泛采用的大氣散射模型[16]的定義如式(1)所示:

I(x)=J(x)t(x)+A·[1-t(x)]

(1)

其中,I(x)表示含霧降質(zhì)圖像中像素x的像素值,J(x)表示原始無霧圖像中像素x的像素值,t(x)表示透射率,A表示估計(jì)的大氣光值。公式右邊第1項(xiàng)代表場(chǎng)景輻射光的直接衰減,第2項(xiàng)代表背景光的疊加,二者導(dǎo)致了清晰圖像質(zhì)量的退化。透射率t(x)的定義如式(2)所示:

t(x)=e-β(x)d(x)

(2)

其中,β(x)表示大氣散射系數(shù),d(x)表示場(chǎng)景深度。

2.2 暗通道先驗(yàn)理論

暗通道先驗(yàn)[12]表明在清晰圖像的很多局部區(qū)域,至少在一個(gè)顏色通道上某些像素處具有非常低的強(qiáng)度值,即清晰圖像的暗通道值接近零。其定義如式(3)所示:

(3)

其中,Jdark是J的暗通道圖像,c∈{r,g,b}是3顏色通道,Ω(x)是以像素x為中心的局部區(qū)域,Jc(y)表示在Ω(x)區(qū)域中的某個(gè)像素通道上的值。對(duì)式(1)兩邊進(jìn)行三顏色通道上的最小值濾波,可得式(4):

(4)

把式(3)代入式(4)可得:

(5)

該方法對(duì)于不含天空區(qū)域的霧圖有較好的去霧效果,但大部分質(zhì)量退化的戶外圖像都是含有天空區(qū)域的,由于天空區(qū)域以及高亮度區(qū)域不滿足暗通道先驗(yàn),對(duì)這些區(qū)域估計(jì)得到的透射率誤差比較大,所以恢復(fù)出來的圖像很容易產(chǎn)生失真,恢復(fù)效果不佳。

2.3 顏色衰減先驗(yàn)理論

顏色衰減先驗(yàn)[13]表明:圖像的場(chǎng)景深度和亮度、飽和度之間存在線性關(guān)系。通過觀察霧圖發(fā)現(xiàn),近景中亮度與飽和度之間幾乎無差值,隨著場(chǎng)景深度的增大,霧濃度越來越高,亮度與飽和度的差值也越來越大,也就是說,亮度和飽和度的差值與場(chǎng)景深度是呈正相關(guān)的。其表達(dá)式如式(6)所示:

d(x)=θ0+θ1V(x)+θ2S(x)+ε(x)

(6)

其中,V(x)為像素x處的亮度,S(x)為像素x處的飽和度,θ0、θ1、θ2為系數(shù),ε(x)是隨機(jī)誤差系數(shù),取值分別為θ0=0.121779,θ1=0.959710,θ2=-0.780245,ε(x)=0.041337。顯然,獲得有霧圖像的亮度值和飽和度值之后,即可求得景深值。

3 本文算法

本文算法的流程如圖1所示。首先進(jìn)行天空區(qū)域的分割;然后分別估計(jì)出天空區(qū)域和非天空區(qū)域的透射率,并用Sigmoid函數(shù)進(jìn)行加權(quán)融合,同時(shí)將亮度值在天空部分前0.1%的中值對(duì)應(yīng)像素點(diǎn)的像素值作為大氣光值的估計(jì);最后通過大氣散射模型恢復(fù)出清晰圖像。

Figure 1 Flow chart of the algorithm in this paper

3.1 天空區(qū)域分割

大部分戶外圖像都是含有天空區(qū)域的,由于暗通道先驗(yàn)對(duì)天空區(qū)域估計(jì)的透射率不準(zhǔn)確,導(dǎo)致在天空區(qū)域容易產(chǎn)生失真,恢復(fù)效果不佳,本文通過顏色衰減先驗(yàn)來彌補(bǔ)暗通道先驗(yàn)在天空區(qū)域表現(xiàn)出來的不足。首先用Canny算子檢測(cè)出霧圖的邊緣,然后通過判斷邊緣密度的大小來區(qū)分天空與非天空區(qū)域。根據(jù)天空區(qū)域邊緣較少、邊緣密度小且相對(duì)均勻,又位于圖像的上方等這些特點(diǎn),采用一個(gè)47×47的小窗口卷積圖像的整個(gè)邊緣并通過自適應(yīng)閾值來區(qū)分該區(qū)域是否為天空,最后選擇邊緣密度小的最大連通區(qū)域作為天空區(qū)域。天空區(qū)域分割效果如圖2所示。

Figure 2 Segmentation map of sky area

3.2 大氣散射系數(shù)β的選擇

由式(2)可知,大氣散射模型中透射率的求解不僅與場(chǎng)景深度有關(guān)系,而且與大氣散射系數(shù)β也有密切的關(guān)系,β取值一般默認(rèn)為1。但事實(shí)上由于圖像中每個(gè)像素都是由R、G、B共3個(gè)通道組成,大氣粒子會(huì)對(duì)不同的光發(fā)生不同的散射(此處主要是米氏散射)效果,直接將β默認(rèn)為1,顯然對(duì)透射率的估計(jì)不準(zhǔn)確,進(jìn)而導(dǎo)致恢復(fù)的圖像質(zhì)量不好?？紤]到散射系數(shù)主要由霧濃度、目標(biāo)離攝像頭距離和相機(jī)角度決定,而60°的相機(jī)角度足以拍攝含天空區(qū)域的圖像,所以為了使得透射率的估計(jì)更準(zhǔn)確,本文使用米氏散射模型[17]中60°角相機(jī)對(duì)應(yīng)的散射系數(shù),其定義如式(7)所示:

(7)

其中λ為波長(zhǎng)。

圖3所示為β=1以及β按式(7)取值時(shí)獲得的透射圖和恢復(fù)圖的對(duì)比結(jié)果。從圖3中可以看出,β=1時(shí),透射圖的天空區(qū)域非常暗,而恢復(fù)圖像也是整體顏色偏暗,不自然。當(dāng)β按式(7)取值時(shí),明顯緩解了去霧后圖像整體顏色偏暗的現(xiàn)象。

Figure 3 Comparison of experiment results with different β values

3.3 基于Sigmoid函數(shù)的透射率融合

3.3.1 Sigmoid函數(shù)應(yīng)用

由于突變區(qū)域的場(chǎng)景深度跨度較大,在此處不能實(shí)現(xiàn)透射率的準(zhǔn)確估計(jì),導(dǎo)致圖像在突變區(qū)域過渡不平滑。若將Sigmoid函數(shù)作為透射率權(quán)重,既能節(jié)省算法運(yùn)行時(shí)間又能使天空區(qū)域和前景區(qū)域的邊緣過渡更加平滑。這是因?yàn)镾igmoid是一種平滑函數(shù),能夠?qū)⑺袛?shù)據(jù)映射在0～1。將其作為透射率權(quán)重時(shí),場(chǎng)景突變處的所有像素就被拉伸至0～1,從而避免了數(shù)據(jù)跨度過大的問題,實(shí)現(xiàn)突變區(qū)域平滑過渡的目的。Sigmoid函數(shù)的表達(dá)式如式(8)所示,其函數(shù)曲線如圖4所示。

Figure 4 Sigmoid function curve

(8)

其中,td表示前景透射率,θ3=20/(max(td)-min(td))表示影響曲線傾斜度的參數(shù),θ4=-10-θ3×min(td)表示水平坐標(biāo)的中心。

3.3.2 透射率的融合

天空區(qū)域的分割完成之后,用顏色衰減先驗(yàn)和暗通道先驗(yàn)分別估計(jì)天空區(qū)域和前景區(qū)域的透射率,再通過快速引導(dǎo)濾波進(jìn)行透射率的細(xì)化,然后將Sigmoid函數(shù)作為透射率權(quán)重,對(duì)2個(gè)區(qū)域的細(xì)化透射率進(jìn)行加權(quán)融合,融合表示如式(9)所示:

t(x)=α×td+(1-α)×ts

(9)

其中,t(x)是融合后的透射率,α為透射率權(quán)重且α∈(0,1),ts是天空區(qū)域透射率。如果圖像中的某個(gè)像素x∈Ω屬于前景區(qū)域,則α趨近于1;反之,α趨近于0。

3.4 大氣光值的估計(jì)和圖像恢復(fù)

Narasimhan等人[16]推導(dǎo)出當(dāng)場(chǎng)景深度趨近于無窮時(shí),根據(jù)物理現(xiàn)象,大氣光值應(yīng)該從無窮遠(yuǎn)處的天空區(qū)域選擇。而暗通道先驗(yàn)算法表現(xiàn)出來的效果不佳和大氣光值的選取有很大的關(guān)系,該算法選擇暗通道中0.1%的最亮像素作為大氣光值,對(duì)含有天空區(qū)域的圖像并不適合,如果在前景區(qū)域有大片白色區(qū)域,此時(shí)求得的大氣光值明顯偏大。文獻(xiàn)[15]雖在天空區(qū)域采用了顏色衰減先驗(yàn),但文中將亮度值排在天空部分前0.1%的最大值對(duì)應(yīng)像素點(diǎn)作為大氣光值的估計(jì),而最大值容易受極端變量的影響,同樣會(huì)導(dǎo)致因大氣光值的估計(jì)不準(zhǔn)確而影響到恢復(fù)圖像的質(zhì)量。本文算法將亮度值排在天空部分前0.1%的中值對(duì)應(yīng)像素點(diǎn)作為大氣光值的估計(jì)值,選擇中值而不是最大值的原因是它對(duì)噪聲的魯棒性強(qiáng),可使得恢復(fù)的圖像更加自然。其對(duì)比實(shí)驗(yàn)結(jié)果如圖5所示。

Figure 5 Comparison of dehazing images when atmospheric light value selecting the maximum brightness value and the median brightness value of the sky

綜上所述,獲得大氣光值和融合的透射率之后,通過式(10)即可恢復(fù)出清晰的圖像:

(10)

其中,t(x)表示融合后的透射率,為了保留少量的霧,設(shè)置透射率下限t0,使得恢復(fù)出來的圖像更加真實(shí)。

4 實(shí)驗(yàn)對(duì)比與分析

為了證明本文算法的去霧效果,用幾組包含天空區(qū)域的有霧圖像對(duì)本文算法和文獻(xiàn)[12]基于暗通道先驗(yàn)的圖像去霧算法、文獻(xiàn)[13]基于顏色衰減先驗(yàn)的圖像去霧算法、文獻(xiàn)[14]融合亮度模型和暗通道先驗(yàn)的圖像去霧算法、文獻(xiàn)[15]融合暗通道和顏色衰減先驗(yàn)的圖像去霧算法以及文獻(xiàn)[4]一種端到端的圖像去霧算法進(jìn)行比較,并從主觀和客觀2方面進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)環(huán)境為Matlab R2020a,運(yùn)行環(huán)境為Windows 10,計(jì)算機(jī)配置為Intel Core i5-7300 HQCPU@2.50 GHz。

4.1 主觀評(píng)價(jià)

主觀評(píng)價(jià)能夠很直觀地看出恢復(fù)后圖像質(zhì)量的好壞。圖6是6種算法的對(duì)比效果?？梢娢墨I(xiàn)[12]的算法,在處理含有天空的霧圖時(shí)效果不佳,表現(xiàn)為圖像整體色彩偏暗,天空區(qū)域出現(xiàn)嚴(yán)重色彩失真,部分圖在景深突變區(qū)域明顯產(chǎn)生光暈現(xiàn)象,如第3幅圖和第6幅圖。文獻(xiàn)[13]的算法,雖補(bǔ)償了暗通道在天空區(qū)域以及景深突變區(qū)域表現(xiàn)出來的不足,在顏色保真的情況下取得了一定的去霧效果,但是整體成色效果還是偏暗,視覺效果不佳。文獻(xiàn)[14]的算法,整體較好地去除了霧氣干擾,在近景區(qū)域恢復(fù)了細(xì)節(jié)信息,但在天空區(qū)域明顯顏色過飽和,不自然。文獻(xiàn)[15]的算法,由于在天空區(qū)域用顏色衰減先驗(yàn)來估計(jì)透射率,補(bǔ)償了暗通道在天空區(qū)域的不足,但大氣光值和衰減常數(shù)值選取不夠精確,在場(chǎng)景突變處過渡不平滑,導(dǎo)致恢復(fù)后的圖像在天空區(qū)域顏色偏重(如第1幅圖和第2幅圖),或出現(xiàn)色彩失真(如第4幅圖山面和第6幅圖遠(yuǎn)處高樓處),細(xì)節(jié)不突出。文獻(xiàn)[4]的算法在天空部分有一定的保真效果,近景區(qū)域恢復(fù)了細(xì)節(jié)信息但在近景區(qū)域成色偏暗。而本文算法去霧效果優(yōu)于其它5種算法,恢復(fù)的圖像在天空和近景區(qū)域顏色層次清晰,更加自然,在過渡區(qū)域有效抑制了光暈現(xiàn)象,明亮適宜并且在遠(yuǎn)景處保留了少許的霧,細(xì)節(jié)突出,使視覺效果更佳。

Figure 6 Dehazing results of six foggy images with different dehazing algorithms

4.2 客觀評(píng)價(jià)

為了客觀體現(xiàn)本文算法的優(yōu)越性,本節(jié)將采用圖像質(zhì)量客觀評(píng)價(jià)指標(biāo)中常用的峰值信噪比PSNR(Peak Signal to Noise Ratio)[18]、結(jié)構(gòu)相似性SSIM(Structural SIMilarity)[19]和運(yùn)行效率(Time)進(jìn)行評(píng)價(jià)。PSNR是用于評(píng)估霧圖處理前后在像素上的差異,值越大,說明恢復(fù)出的圖像質(zhì)量越好,失真越小。SSIM反映的是圖像恢復(fù)前后景物結(jié)構(gòu)的相似性,結(jié)果越接近1,說明復(fù)原的程度越好。而時(shí)間的快慢體現(xiàn)出對(duì)霧圖處理的效率,自然是越快越好。峰值信噪比和結(jié)構(gòu)相似性的計(jì)算公式分別如式(11)和式(12)所示:

(11)

(12)

其中,X和Y分別表示清晰圖像和去霧圖像,M和N分別表示圖像的寬和高,μX和μY分別表示圖像X和Y的灰度均值,σX和σY分別表示圖像X和Y的方差,σXY表示圖像X和Y的協(xié)方差,C1和C2表示常數(shù),以避免分母為0的情況發(fā)生。

圖6中6幅圖像的PSNR和SSIM如表1所示。從表1中可以看出,本文算法在多數(shù)情況下都能夠得到很好的去霧效果,對(duì)于圖像6,文獻(xiàn)[14]的PSNR顯示出了最好的結(jié)果,但本文算法的結(jié)果與其非常接近,且其SSIM優(yōu)于文獻(xiàn)[14]算法的;同時(shí)從圖6中第6幅圖也可以看到,文獻(xiàn)[14]算法恢復(fù)出來的圖像亮度不夠,色彩偏暗,而本文算法避免了這種情況的發(fā)生。

Table 1 PSNR/SSIM comparison of the above six images

為了進(jìn)一步說明本文算法的有效性,本文在SOTS(Synthetic Objective Testing Set)數(shù)據(jù)集[20]上進(jìn)行了各算法去霧對(duì)比實(shí)驗(yàn),表2是各算法進(jìn)行去霧的平均PSNR和SSIM,其平均運(yùn)行時(shí)間的統(tǒng)計(jì)結(jié)果如圖7所示。

Table 2 Average PSNR/SSIM of each algorithm on SOTS dataset

Figure 7 Run time

由表2可以看出,本文算法在峰值信噪比和結(jié)構(gòu)相似性方面相比較于其他5種算法取得了一定的進(jìn)步。文獻(xiàn)[12]算法和文獻(xiàn)[13]算法的2種指標(biāo)較差,是由于這2種算法存在去霧不徹底的現(xiàn)象,沒有復(fù)原出色彩,剩余噪聲比較多。文獻(xiàn)[15]算法和文獻(xiàn)[14]算法在結(jié)構(gòu)相似性上與本文算法基本持平,但由于文獻(xiàn)[15]算法在場(chǎng)景突變處過渡不平滑以及透射率估計(jì)不準(zhǔn)確導(dǎo)致噪聲略高,使其峰值信噪比略低。文獻(xiàn)[4]算法將大氣光值A(chǔ)視為一個(gè)全局常數(shù),導(dǎo)致估計(jì)到的像素點(diǎn)值不準(zhǔn)確,去霧不徹底,其結(jié)構(gòu)相似性與峰值信噪比偏低。由圖7從運(yùn)行速度方面進(jìn)行分析,本文所提算法需要的運(yùn)行時(shí)間比文獻(xiàn)[12,13]算法的短,與文獻(xiàn)[15]算法基本持平,雖比文獻(xiàn)[4,14]算法的略長(zhǎng),但是綜合考慮,本文算法在犧牲較少時(shí)間的情況下取得了更好的復(fù)原效果。綜上所述,本文所提算法無論在主觀評(píng)價(jià)還是客觀評(píng)價(jià)中都取得了一定的優(yōu)勢(shì)。

5 結(jié)束語

本文針對(duì)現(xiàn)有的融合的圖像去霧算法透射率估計(jì)不精確和場(chǎng)景突變處過渡不平滑的問題,提出了如下的改進(jìn)思路:在R、G、B這3個(gè)通道上分別使用不同的大氣散射系數(shù),并將Sigmoid函數(shù)作為透射率權(quán)重,對(duì)基于顏色衰減先驗(yàn)得到的天空區(qū)域的估計(jì)透射率和基于暗通道先驗(yàn)得到的前景區(qū)域的估計(jì)透射率進(jìn)行加權(quán)融合;同時(shí)選用魯棒性較強(qiáng)的天空區(qū)域像素強(qiáng)度前0.1%的中值作為大氣光值;最后通過大氣散射模型恢復(fù)出清晰圖像。實(shí)驗(yàn)結(jié)果表明,無論是主觀評(píng)價(jià)還是客觀評(píng)價(jià),本文算法對(duì)包含有天空區(qū)域的有霧圖像的處理都有著很好的效果,有效地解決了恢復(fù)圖像色彩不自然以及邊緣處的色彩失真問題,使得恢復(fù)出的圖像細(xì)節(jié)更加豐富,場(chǎng)景突變區(qū)域的過渡更加平滑,圖像色彩鮮明,而且具有較強(qiáng)的實(shí)效性。但是,本文算法在處理不包含天空?qǐng)D像的原始霧圖時(shí),達(dá)不到很好的效果,這將是下一步研究的重點(diǎn)。