为了充分挖掘雾天成像时的先验信息和物理参数间的约束关系，提高去雾算法的精度，本文提出了嵌入物理成像模型的分解合成循环细化网络以实现图像去雾。不同于已有的去雾算法，它包含透射率估计分支和清晰图像估计分支，且两分支均使用嵌入循环单元的多尺度金字塔编码解码网络框架来实现，具有能加强循环间信息交流、充分利用多尺度上下文特征的优点。考虑到透射率与场景深度和雾气浓度有关，可将透射率视为雾浓度先验，引导清晰图像估计分支循环细化去雾结果；而清晰图像中包含场景的深度信息，可将其视为深度先验，引导透射率估计分支预测及循环细化透射率。每次循环时，两分支估计的透射率和清晰图像进一步合成雾图，循环作为网络的输入，以确保透射率和清晰图像的估计结果满足物理成像模型的约束。实验结果表明算法在合成雾图及真实图像上均能取得较好的去雾效果，在视觉评价和客观评价方面均优于现有的去雾算法，单张雾图的处理时间仅为0.037 s，能有效用于图像去雾的工程实践中。

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法。首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以消除后向散射;最后结合限制对比度自适应直方图均衡算法以更好地校正水下图像的颜色畸变,最终得到复原后的水下图像。与4种具有代表性的水下图像复原方法进行主客观评价对比实验。实验结果表明,所提算法可以有效去除水下图像的视觉模糊,视觉效果更接近自然场景中的图像。

由于水体对光的吸收和散射作用,水下图像往往存在对比度低、细节模糊和颜色失真等问题,为此提出一种基于场景深度估计和白平衡的水下图像复原方法。首先,采用Sobel边缘检测和形态学闭运算将水下图像中与场景深度相关的块分离,对RGB通道与场景深度的变化关系进行回归分析,以得到场景深度图像并估计水下背景光;其次,对衰减严重的颜色通道取其逆通道,以修正透射率估计;然后,通过逆求解水下光学成像模型来消除后向散射;最后,改进白平衡算法以更好地校正水下图像的颜色畸变,得到复原后的水下图像。与典型的4种水下图像复原方法进行主客观评价比较,实验结果表明,该方法可以有效地提升低质量、低照度的水下图像的细节清晰度和色彩保真度,恢复真实的视觉效果。

针对暗通道先验算法在天空区域透射率估计不准确的问题, 利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得“伪”去雾图像; 其次, 利用有雾图像的混合通道得到自适应参数, 将该参数和最小值滤波共同作用于“伪”去雾图像, 接着用联合双边滤波消除纹理效应得到透射率的精确估计; 最后, 采用局部大气光估计方法, 结合大气散射模型复原出无雾图像.实验结果表明, 该方法不仅降低了时间复杂度, 且复原出的图像细节明显, 明亮度适宜, 对于大面积天空区域有良好的去雾效果, 改善了天空区域的颜色失真.

基于暗元先验的去雾算法在利用边缘保护操作消除景深突变处产生的光晕现象时没有区分边缘的类型, 导致了透射率的估计不合理, 降低了去雾的质量。提出一种基于加权融合策略的透射率估计方法, 通过块级暗通道和像素级暗通道的相关特性获取景深信息导向图, 从而在景深突变处和非景深突变的局部合理选取像素级暗通道和块级暗通道, 保护了景深边缘处的突变性, 同时减少了局部纹理边缘噪声的影响, 获得了更准确的透射率估计结果。实验结果表明, 该算法能有效避免光晕现象, 改善局部细节模糊的问题, 得到更优的去雾视觉效果。