在霧、霾等惡劣天氣條件下，由于空氣中渾濁介質(zhì)對大氣光的吸收、反射等作用，獲取到的圖像出現(xiàn)霧化現(xiàn)象，對視覺應(yīng)用系統(tǒng)產(chǎn)生嚴(yán)重影響。針對圖像去霧問題，許多研究者提出了多種解決方法。

　　目前，圖像去霧方法主要分為基于圖像增強和基于物理恢復(fù)兩類?；趫D像增強方法沒有考慮霧圖降質(zhì)的根本原因，只增強圖像對比度。這類方法可以利用已經(jīng)成熟的圖像處理算法，如直方圖均衡化、Retinex 和小波變換等方法。張久鵬等對反轉(zhuǎn)后的圖像進行改進后的限制對比度自適應(yīng)直方圖均衡化，增強亮度，然后進行翻轉(zhuǎn)得到無霧圖像。張賽楠等人首先利用梯度算子增強霧天降質(zhì)圖像的各個顏色分量的邊緣信息，然后，在單尺度Retinex 的基礎(chǔ)上提出了一種符合人眼視覺特性的中心自適應(yīng)調(diào)節(jié)的擬合函數(shù)，增強圖像各個顏色分量。Wang 等人利用小波變換方法分解圖像，然后分別對高頻和低頻信息進行處理，得到重建后的無霧圖像?；谠鰪姺椒ㄌ岣吡藞D像對比度，然而，得到的圖像會出現(xiàn)信息丟失、過飽和現(xiàn)象?；谖锢砟Ｐ头椒ㄍㄟ^研究大氣懸浮顆粒對光的散射作用，建立大氣散射模型，根據(jù)物理模型，反演復(fù)原出降質(zhì)前圖像?；谖锢砟Ｐ腿レF方法分為兩類，一類是基于多幅圖像去霧，一類是基于單幅圖像去霧。由于物理模型含有大氣光和透射率兩個物理量，求解問題實際上是欠定問題。因此，一些研究者利用多幅圖像獲得深度信息，根據(jù)深度信息進而恢復(fù)出無霧圖像。通過獲取不同天氣條件下同一場景的多幅圖像，得到更多約束信息，最終恢復(fù)場景圖像。利用不同偏振角度的兩幅或多幅圖像獲得深度信息，進而去除霧霾效應(yīng)。這些方法能夠去除霧霾，但是很難實時獲取到多幅圖像。

　　近年來，單幅圖像去霧引起研究者關(guān)注，并且取得了很大進展?；趩畏鶊D像去霧主要依賴于假設(shè)或先驗知識。Fattal 通過假定透射率和表面投影在局部不相關(guān)來估計透射率，并使用大氣散射模型進行反演，復(fù)原無霧圖像。這種方法能恢復(fù)較好的視覺效果，然而方法是基于彩色圖像統(tǒng)計特性，因而該方法無法應(yīng)用于灰度圖像，而且這個統(tǒng)計特性在濃霧區(qū)域會失效。Meng 等人通過結(jié)合基于加權(quán)的上下文正則化，將透射函數(shù)的邊界約束建模成一個最優(yōu)化問題，估計場景透射率。此方法需要手動選取大氣光位置，應(yīng)用受到限制。He 等提出暗原色先驗，利用此先驗知識求解大氣光和透射率，進一步利用軟摳圖算法優(yōu)化透射率。最后達(dá)到去霧目的。這種方法去霧效果好，處理后圖像顏色自然，但在摳圖優(yōu)化過程中，時間復(fù)雜度較高，實時去霧不理想?；诎翟闰?，一些改進的去霧方法被提出。Fang等根據(jù)像素在RGB 空間的距離來細(xì)化粗略透射率分布，替代復(fù)雜度較高的軟摳圖算法，并在估計粗略透射率以及去霧圖像之后，利用變分法求解一個最小化能量函數(shù)，實現(xiàn)去霧圖像細(xì)化以及去噪。Gibson等利用暗原色先驗知識，用中值代替最小值來估計透射率，并依此來恢復(fù)無霧圖像。這些改進方法能夠達(dá)到去霧目的，解決了時間復(fù)雜度高的問題，但是得到的去霧圖像在邊緣處出現(xiàn)光暈現(xiàn)象，對于亮度不均勻圖像會導(dǎo)致去霧后圖像局部偏暗或亮度過高。