随着现代科技的进步,机器视觉领域得到了前所未有的发展,图像和视频作为视觉获取信息的来源发挥着重要作用。然而,日常生活中拍摄的图像质量会受到许多外部天气条件的影响,雾是一种常见的影响因素。在雾天环境下拍摄的图像对比度下降、信息丢失,呈现出灰白和模糊的特点,影响交通执法、无人机摄影和军事国防等工作,因此图像去雾技术尤为重要。其中,基于图像复原的去雾方法被学术界广泛研究,去雾效果显著,但仍然存在颜色失真、去雾不彻底和对天空区域的不适性等不足。本文深入分析和探究经典去雾算法理论和不足,并对其进行改进。1.分析雾的形成过程、特点和影响;研究雾天环境中退化图像形成的物理模型;探究经典的暗通道先验去雾理论,分析其合理性与不足,结合成像模型从根源改进去雾工作;研究图像质量评价方法,确立指标,以比较不同算法的恢复效果。2.针对暗通道先验去雾理论中采用固定窗口计算暗通道的不灵活性、计算大气光值存在对图像前景误判的风险性,以及估计初始透射率的不准确性等缺点,提出一个基于暗通道先验改进的图像去雾方法。首先,获取图像的暗通道,将滤波窗口的大小由固定改为自适应,消除暗通道图中的方块现象;其次,修正大气光值,采用亮通道与自适应暗通道结合的方式,对二者求出的大气光值设置权重进行融合,得到加权的大气光值;第三,对于优化透射率,采用自适应窗口得到的暗通道图得到初始透射率,以原始图像的灰度图为导向进行滤波优化,消除块状现象;最后利用图像成像模型恢复图像。3.针对暗通道理论对天空区域失效的不足,提出一种基于天空区域分割的图像去雾方法。对于一幅含有天空区域的图像,首先,由Canny算子获取准确的边缘信息,结合大津算法选取最佳阈值,分割得到二值化图像,然后进行形态学闭运算填补分割后图像前景中的空隙,得到准确的天空区域分割图像;其次,对于大气光值的修正,由于大气光值的实际取值应在图像中无穷远处,因此分割后在天空部分取值更加准确;再次,分别获取分割后两部分的透射率,以二值图像作为权重图对其加权融合,再使用引导滤波进行细化;最后得到恢复图像。经过与其他算法的对比实验,从主观和客观层面对图像质量进行评价和分析,本论文中两种改进算法的恢复图像具有更丰富的细节信息,更平滑的边缘,更逼真自然的视觉感。