双通道对比度先验（Dual-CP）是基于图像的亮通道和暗通道之间的差异来模拟对比度，故其在模糊图像盲复原中表现出良好的复原效果。但是，实际应用中图像亮通道和暗通道的值并不像理论研究的那样明显地分布在1和0上，为解决这一问题，提出一个联合双通道对比度先验和L₀正则化强度及梯度先验的模糊图像盲复原算法。其中，由于非凸的L₀极小化问题求解比较困难，利用半二次分裂法推导出一种有效优化算法。实验表明，所提算法在直观效果上有更明显的细节恢复能力，且在Levin等人、Köhler等人和Lai等人提出的基准数据集上平均峰值信噪比分别提高了2.1051 dB、1.1273 dB和0.4491 dB，平均结构相似性分别提高了0.1302、0.0599和0.0158。

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。

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中透射率估值不准确以及天空区域或大面积白色区域去雾后存在颜色失真等问题,提出了一种基于超像素分割和暗亮通道结合的单幅图像去雾方法。首先采用超像素方法对有雾图像进行分割,将得到的超像素块代替暗通道固定方形滤波窗口;其次,采用暗通道与亮通道先验理论结合的方法获取透射率,使透射率估值更准确;然后,在天空区域通过阈值分割结合亮通道先验理论确定大气光值,并利用融合梯度信息的引导滤波方法优化透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,所提方法得到的透射率和大气光值的估值准确,取得了良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

低照度环境下图片质量会下降。同时,悬浮在空气中的烟雾、粉尘等物质形成的雾、霾,会导致图像的细节模糊不清,对户外拍照和计算机视觉应用造成了极大的影响。因此,对退化图像进行去雾处理,提高图像质量,在图像处理和计算机视觉领域具有非常重要的应用价值。提出一种基于亮通道和暗通道结合的雾霾天气图像去雾算法。基于退化图像的物理模型,提出一种空气光散射模型,通过亮通道和暗通道的结合来估计大气光值和透射率。该算法可以解决有雾图像恢复时天空区域的颜色失真问题,恢复图像的细节和颜色,提高图像的视觉效果。仿真结果表明,本文算法优于多尺度Retinex图像去雾算法。

光在水中传播时受水的吸收作用和水中微粒的散射作用而发生衰减;因水的浊度变化,且水下拍摄时景深不一,导致水下获取的图像雾化程度和色彩偏差不同。传统的去雾算法用于处理这些模糊程度和色差多变的图像时效果欠佳。针对该问题,提出基于亮通道色彩补偿与融合的水下图像增强算法。首先,基于亮通道对原图像进行色彩补偿,获得色彩补偿的图像;再对色彩补偿的图像进行自适应对比度拉伸获得对比度高的清晰图像;最后采用多尺度融合策略对色彩补偿后的图像及对比度拉伸后的图像进行融合。结果表明,本文算法可广泛应用于多种水下降质图像,且在无任何先验信息的条件下,能有效提高水下图像对比度和平衡图像色彩。

针对光照不足导致图像质量退化的问题, 提出了亮通道先验的Retinex算法用来补偿图像的光照强度。该算法假设局部恒常的光照可以初步满足光照均匀并与场景相似, 以亮通道运算对光照分量进行粗估计; 通常解决局部处理带来的分块效应问题是采用引导滤波方法, 但这会使补偿后的图像纹理模糊甚至丢失细节, 为此设计了基于图像结构相似性的融合策略。最后使用Retinex理论模型对光照进行补偿。实验结果表明: 所提算法简单高效, 能够对图像阴影或夜间图像的低照度区域进行快速地光照补偿, 在峰值信噪比(PNSR)上较传统算法提高了5 dB左右, 在结构相似性(SSIM)上比传统算法提高了7%以上。算法在纯软件系统的PC机上处理640×360的彩色视频时能达到6~12 ms/帧, 处理320×256的红外视频时达到4~10 ms/帧, 可满足工程需要。

相对于传统光学探测技术, 偏振探测在目标探测、识别方面有着独特的优势。针对雾、霾等天气下图像退化的问题, 提出一种利用偏振信息的图像去雾方法, 通过获取3个角度下目标的偏振图像, 求解出场景目标的斯托克斯矢量, 从斯托克斯矢量与穆勒矩阵的关系出发, 分析偏振图像光强随着偏振角度的变化规律, 获取最大和最小光强下的正交偏振图像, 利用偏振滤波和亮通道先验方法分别估算大气光偏振度和其无穷远处大气光强值, 最终重构出无雾图像。实验结果表明, 在雾霾天气下, 利用获取的正交偏振图像能够重构出清晰的图像, 且重构图像的平均梯度和边缘强度均提升了约3倍, 灰度标准差提升了约88%。