针对传统去雾算法处理图像后存在颜色不均衡、能见度较低等问题, 提出一种基于雾线先验的双边滤波优化透射率算法。首先, 将像素在RGB空间中聚类成雾线并引入自适应模块对大气光值进行预估。将大气散射模型和上下文正则化原理相结合, 对图像透射率进行初步优化, 同时基于最小通道对透射率进行更正, 使得传输率图更加平滑, 防止相邻景深区域透射率差距过大; 再经过双边滤波对透射率进行二次优化, 使其变得更加精准。然后, 将大气光值和透射率输入到大气散射模型进行去雾处理得到无雾图像。最后, 将去雾后的图像进行色彩增强, 以提升图像的色彩真实性和亮度。实验结果表明, 所提方法在主观上提升了人眼的视觉效果, 在客观评价指标结构相似性(SSIM)、峰值信噪比(PSNR)、角点检测数、通用质量指数(UQI)、自然图像质量评估(NIQE)和处理时长上均有着显著的优越性。

针对传统图像增强Retinex去雾算法未考虑有雾图像景深信息，整幅图采用同一尺度复原而导致的局部颜色失真、图像细节丢失等问题，提出一种基于景深信息的自适应Retinex图像去雾算法。从场景雾的浓度与景深密切相关出发：首先利用BTS深度学习模型得到有雾图像的景深估计；然后以图像的平均梯度作为最优评价标准，对有雾图像分块处理并采取不同的高斯滤波尺度进行Retinex增强，统计出最优高斯滤波尺度与其对应的景深估计平均值；接着通过梯度下降法对统计数据进行拟合，得出景深估计与高斯滤波尺度的参数模型并将模型应用到单尺度Retinex去雾算法对有雾图像进行分块处理；最后通过计算均值和均方差，再加上一个控制图像动态的参数来实现无色偏的自适应对比度拉伸以及使用双线性插值映射使图像分块边缘过渡更加连续，从而得到增强的去雾图像。实验结果表明，经过所提算法去雾处理后的图像标准差、平均亮度、信息熵、平方梯度等评价指标均高于对比算法，实际效果对比度较高，图像细节保持完好，且抑制了过度增强。基于景深信息自适应Retinex图像去雾算法能够有效保留图像细节，颜色自然，符合人眼视觉特性，自适应程度高，明显优于传统Retinex去雾算法。

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题，提出了一种基于区域透射率融合的暗通道图像去雾方法。首先，将含雾图像分为非天空、天空及过渡边缘等3个区域。其次，在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合，并利用梯度域引导滤波进行平滑处理，得到融合后的暗通道透射率。然后，合成天空区域的亮度透射率和暗通道融合透射率，以获得最终的透射率。最后，利用得到的透射率和改进后的大气光值对图像进行复原，得到去雾结果图像。实验结果表明，与传统暗通道方法相比，所提方法明显更优，其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。

图像去雾工作目前还存在真实数据集过少、局部对比度失衡和去雾图像失真等问题。针对去雾图像失真这一问题，提出一种新型去雾网络模型（Densely Resnet with SKattention-Dehaze Net，DRS-Dehaze Net）。首先带雾图像经预处理模块转换为多角度特征输入图，然后设计密集残差架构并引入注意力机制完成特征信息的提取与再分配，最后将特征融合，输出无雾图像。实验结果表明，所提算法相比于其他对比算法有着较好的去雾效果，有效改善了去雾图像失真问题，且在一定程度上对图像的清晰度进行了提升。

针对现有去雾算法无法根据有雾图像的不同区域特征进行差异化处理的问题，提出了一种基于注意力机制和马尔可夫判别器（PatchGAN）的图像去雾算法。注意力机制的加入使所提算法能够为不同区域的特征自适应分配权重；同时使用带有Inception机制的模块来预测全局相关的大气光值更加准确，也更为有效。将预测到的大气光值、透射率及有雾图像输入大气散射模型中即可得到去雾图像，最后将去雾图像输入PatchGAN中，由其判断真假。实验结果表明，所提算法在室内有雾图像和室外有雾图像上均取得了良好的去雾效果，并且提高了去雾图像的亮度和饱和度。

针对暗通道先验法中存在的透射率估值不准确、景深处易产生光晕效应、天空区域颜色失真以及算法实时性差等问题，提出了一种暗通道和全局估计结合的图像快速去雾方法。首先，求取图像中每个像素点R、G、B三个颜色通道强度值的最小值，采用大气散射模型结合全局估计的方法，并利用一种简单、快速的线性模型，求得无块状效应的透射率值；然后，再与暗通道先验法求得的粗略透射率进行线性融合；之后，根据有雾图像特点，对透射率值进行自适应调整，使得透射率估值更准确；最后，复原出去雾后的清晰图像。实验结果表明，所提方法得到的透射率值更准确，能有效地复原出图像的细节信息，避免光晕效应和颜色失真问题；同时，算法的处理速度更快，能更好地满足对实时性要求很高的视觉系统。

针对大多数去雾算法对含有大面积天空区域的图像去雾效果不佳的问题，提出一种改进的暗通道先验去雾方法。首先，根据图像梯度信息分割出天空区域，在天空区域分割的基础上，结合大气光参考像素的高亮度和平滑性设定判别公式，合理地估计大气光值。其次，根据暗通道值的不同，采用分段线性函数对可调参数进行动态修正，解决过度去雾造成的局部阴影。然后，将亮通道模型和改进的暗通道先验模型估计的透射率进行融合，并采用导向滤波进行边缘优化。最后，结合大气散射模型，通过亮度补偿和对比度拉伸得到去雾图像。实验结果表明，改进方法能够有效地改善图像失真，增强图像的对比度和细节，尤其在保持天空区域的视觉真实性方面具有优势。

为解决传统去雾算法对雾天图像增强后出现光晕效应和细节丢失的问题, 提出一种基于结构和纹理感知的变分Retinex模型。利用引导滤波对初始光照分量进行估计; 改进平均局部偏差滤波器用于图像的结构和纹理感知, 以此设计权重矩阵以改进变分Retinex模型, 对光照分量进行优化; 利用反转图像结合Retinex理论对雾天图像进行增强; 利用伽马校正对图像的颜色进行调整。实验证明, 方法能够有效去除图像中的雾气, 避免光晕效应, 同时能保留更多的细节信息。

在大雾条件下,密度不均匀的介质使得光在传输过程中形成散射、反射和衰减,图像出现严重的退化现象,导致无人机航拍获取图像信息存在困难。为了解决该问题,提出了一种基于边界约束的双滤波透射率优化图像去雾算法。首先,对图像进行颜色校正,增强图像的色彩鲜艳度; 其次,根据传输函数的固有边界约束,进行边界约束构造,该约束与上下文正则化相结合,求解图像的初始化透射率,并对其反复求解进行细化; 然后,将求解细化后的透射率进行高斯加权,将噪声干扰降到最低,经双边滤波器处理得到最优透射率; 最后,对图像的全局大气光进行求值并运用暗通道理论方法对图像进行去雾处理,得到清晰化图像。主观视觉效果和客观数据实验分析表明,所提方法能够有效地去除退化图像中的雾化现象,与现有新颖的图像去雾算法相比具有显著的优越性。