第４１卷第１期佳木斯大学学报（自然科学版）Ｖｏｌ．４１Ｎｏ．１２０２３年０１月ＪｏｕｒｎａｌｏｆＪｉａｍｕｓｉＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ｊａｎ．２０２３文章编号：１００８－１４０２（２０２３）０１－００２５－０４基于暗通道先验的改进图像去雾算法①黄金炜，于瓅＊，郭天元，吴一峰，金彬峰（安徽理工大学计算机科学与工程学院，安徽淮南２３２００１）摘要：针对传统暗通道先验去雾算法处理得到的去雾图片存在亮度偏暗，颜色失真等问题，提出一种基于暗通道先验的改进图像去雾算法。首先，将有雾的图像根据尺寸大小均匀分割成八份；然后，对分割后的图像进行暗通道先验去雾处理，并为每一个分割图像块找到一个最合适的ｗ值；最后，将去雾后图像转为ＨＳＩ颜色空间，对亮度进行限制对比度自适应直方图均衡化处理。实验结果显示：改进后的算法有效改善了去雾后图像亮度偏暗的问题，且极大程度避免了色彩失真现象。关键词：图像去雾；暗通道先验；均匀分割；颜色空间中图分类号：ＴＰ３９１文献标识码：Ａ０引言随着工业生产的不断发展与进步，有害气体污染问题日益严重，雾霾天气的出现变得更加频繁。在雾霾天气下，空气中悬浮的大量微粒会对光线产生吸收和折射［１］，导致成像设备获取的图片细节丢失，对比度低和能见度低等问题，对后续图像处理造成困扰。同时，在日常的生产和生活中，雾霾天气对车辆监控，道路交通管理等造成了严重影响，给人们带来了极大的不便，因此对图像进行去雾操作极其重要。随着科学技术的不断发展更新，诸多图像去雾算法［２－４］不断涌现，其中效果较为突出的总结为三类：第一是图像增强技术；第二是图像复原技术；第三是深度学习技术。图像增强技术的基本原理是依靠提高图像的对比度达到最终的去雾效果，这种方法一般不会考虑造成图像退化的原因。直方图均衡化［５］和Ｒｅｔｉｎｅｘ算法［６］都是其典型的代表算法，然而，此类方法去雾后容易出现色彩失真的情况，且对复杂环境处理效果一般。图像复原技术按照分析图像退化原因、建立退化模型和补偿图像丢失信息三部曲达到对图像去雾的目的。早期Ｔａｎ［７］和Ｔａｒｅｌ［８］分别通过最大化局部对比度和中值滤波来对图像进行去雾，但复原后的图像普遍存在过饱和以及明显的光晕现象。在无雾天气的情况下，除天空区域外的任何区域都存在像素值非常低的颜色通道，在这一先验信息的基础上，Ｈｅ等人［９］提...
