夜间有雾环境中拍摄的图片具有光照不均、对比度低且模糊的现象。本文通过分析夜间有雾图像的成像特点, 提出一种有效的夜间图像去雾方法。首先, 在估计大气光时使用加权差分图像作为参考进行引导滤波来估计含轮廓信息的大气光; 使用拉普拉斯锐化灰度图像作为参考引导滤波来估计补充细节的大气光, 然后将算出的两种大气光融合得到最终的大气光。最后, 基于广泛使用的雾霾场景成像模型, 本文算法结合暗通道和亮通道构建了双通道联合优化的透射率函数, 在计算透射率的过程中加入了自适应权重系数、限制对比度自适应直方图均衡化和引导滤波来提高透射率函数的精度。实验结果表明, 在测试图片上计算的信息熵平均值为7.587 2, 对比度均值为23.809 7, 和对比算法相比均有一定提升。所提算法去雾结果视觉效果良好, 在去雾的同时可以有效减少细节的损失。

针对暗通道先验去雾算法存在的光晕现象、大气光值选取不准确等问题,提出了一种基于暗通道补偿与大气光值改进的图像去雾方法。为减弱图像景物边缘处的光晕效应,提出了一种基于暗通道补偿模型的解决办法,利用加权通道差值的方法识别光晕区域,通过腐蚀、融合等处理修正该区域的暗通道值,采用线性融合的方式与原暗通道进行融合,实现对暗通道的补偿。针对大气光值选取不准确的问题,改进了四叉树分割方法,即增加相邻区域比较的策略,使该算法可以更加精确地获取大气光值,使恢复后的图像更加清晰自然,细节保留更加丰富。借助大气散射模型与优化后的透射率恢复无雾图像。实验结果表明,本文方法能够有效地去除光晕效应,准确地获取大气光值。