✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
摘要：暗通道先验理论为图像去雾领域带来了变革性发展，但传统算法存在光晕效应、大气光估计不准确、计算复杂度高等问题。本文综述了近年来改进的暗通道图像去雾算法的研究进展，从透射率优化、大气光估计改进、计算效率提升及多技术融合等方面进行梳理，分析了各改进方法的特点与效果，并探讨了未来研究方向，为图像去雾技术的进一步发展提供参考。
关键词：图像去雾；暗通道先验；透射率优化；大气光估计；计算效率
一、引言
在计算机视觉和图像处理领域，图像去雾是提升图像质量的关键技术，广泛应用于安防监控、自动驾驶、遥感测绘等领域。雾霾天气下，大气中的微小颗粒对光线产生散射和吸收作用，导致图像质量下降，表现为对比度降低、色彩饱和度下降、细节信息丢失等。暗通道先验理论由何凯明等人于2009年提出，基于对大量无雾图像的统计分析，发现自然图像的非天空区域中至少存在一个颜色通道，其局部像素值接近于零。该理论为图像去雾提供了新思路，成为经典且广泛应用的去雾算法。然而，传统暗通道先验算法在实际应用中存在局限性，如光晕效应、大气光估计不准确、计算复杂度高等问题。因此，改进暗通道先验算法以提高去雾效果和效率成为研究热点。
二、透射率优化研究
2.1 形态学处理与容差机制
传统暗通道先验算法在求取暗通道过程中，最小值滤波会使暗色向外扩张，导致透射率扩张变大，去雾后的图像在边缘部分产生光晕现象。为减弱光晕效应，研究人员提出利用形态学理论对粗略透射率进行腐蚀处理。例如，采用圆形结构元素，半径为透射率图长度和宽度最小值的1%，腐蚀掉扩张变大的透射率，再使用容差机制修复不符合暗原色先验的明亮区域透射率。这种方法能有效消除光晕效应，提高去雾图像的质量。
2.2 引导滤波精细化
引导滤波是一种边缘保持滤波方法，可用于精细化透射率。传统算法中，软抠图方法虽能得到较好的透射率，但计算复杂度高。引导滤波通过引入引导图像，对粗略透射率进行平滑处理，同时保持边缘信息。例如，在暗通道先验算法中，使用引导滤波替代软抠图，可显著降低计算复杂度，提高算法的运行效率，且去雾效果与软抠图相近。
三、大气光估计改进研究
3.1 四叉树细分分层搜索
传统算法中，大气光值通常从暗通道图中按照亮度大小取前0.1%的像素，在原始有雾图像中寻找对应最高亮度的像素点作为大气光值。但这种方法在图像中含有白色物体时，往往会在白色物体区域取得大气光值，导致处理后的图像出现偏色现象。为解决这一问题，研究人员提出基于四叉树细分的分层搜索方法。该方法将图像等分成4个矩形区域，分别计算每个区域内所有像素值的平均值减去标准差的结果值，选择结果值最大的区域进一步等分成4个更小的区域，重复这一过程直到选择区域的大小比预先指定的阈值小。在最终选择的区域中，选取能够最小化与纯白光向量距离的颜色向量作为大气光值。这种方法能准确找到浓雾区域并取得合理的大气光值，提高去雾效果。
3.2 自适应阈值筛选
针对明亮区域不符合暗通道先验假设的问题，研究人员引入自适应阈值筛选方法。通过对输入雾霾图像进行直方图分析，自适应地获得分割天空等明亮区域的亮度阈值。对透射率图中明亮区域进行像素变换，消除去雾后的颜色失真问题。例如，郭云云和徐伯庆提出的改进算法中，先对暗通道图进行非重叠式滤波消除光晕，再通过直方图分析获得亮度阈值，对透射率图天空区域进行像素变换，最后采用非线性亮度提高的方法提升去雾图像的视觉效果。
⛳️ 运行结果
📣 部分代码
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
🏆团队擅长辅导定制多种毕业课题和科研领域
MATLAB仿真，助力毕业科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
