针对雾天图像数据集匮乏问题，提出一种基于深度估计的雾天模拟方法。自适应调整亮度与饱和度对清晰原图像进行预处理，采用自监督单目深度挖掘网络生成图像的深度图，利用引导滤波优化深度图，设定模拟图像能见度获得透射率图，通过暗通道图区分天空区域并估计大气光值，最终由大气散射模型得到设定能见度下的雾天模拟图像。实验数据显示，该方法有效改善了模拟图像目标不清晰、雾气边缘锐化问题，在模拟能见度为2000 m以下的雾天图像时效果稳定，其雾天模拟图像与真实雾天图像的特征评价指标平均误差率为6.28%，表明该方法具有可行性，可对自然环境下清晰图像进行雾天模拟以解决雾天图像数据集匮乏与能见度数据缺失的问题。

当有雾图像中存在大面积明亮区域及景深突变时,使用传统去雾方法处理后的结果容易出现颜色偏移和光晕效应。针对该类问题,提出了一种基于透射率自适应约束修正的图像去雾算法。该算法在大气光值估计阶段使用自动与手动估计相结合的方式,方便使用者对去雾结果进一步根据需求自行调整。关于透射率的估计,首先通过辐射体边界约束求取透射率估计下限以替代传统算法中预先设定的固定数值。然后通过设置阈值判断像素是否在同一景深范围内,并根据强度差值比情况自适应做出相应的修正,以优化透射率估计。结果表明,本文算法能对有雾图像实现较好的图像去雾效果,在恢复清晰图像、增强图像视觉效果和可用性的同时,有效避免图像中明亮区域出现颜色偏移伪影及景深突变处出现光晕效应的问题。

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。