11111111111111
需积分: 0 130 浏览量
2022-12-04
21:28:22
上传
评论
收藏 1.92MB PDF 举报
2022，58（3）
◎热点与综述◎
随着计算机视觉的发展，图像处理技术在生活和科
研领域应用广泛。同时伴随神经网络和深度学习技术
的革新，高质量图像已经成为系统正常且高效运行的关
键。卷积神经网络和深度学习算法也在图像处理方面
表现出优秀的学习能力，在目标检测、目标跟踪、自动驾
驶、无人机检测等研究领域得到广泛研究与应用
[1-3]
。在
雾或霾等天气情况下，室外空气中存在大量的微小悬浮
颗粒会对光产生折射和散射，经折射和散射后的光线与
待观察目标反射后的光线混合，造成户外图像采集设备
捕获的图像清晰度和对比度大幅度下降，甚至会造成图
像色彩偏移，细节大量丢失的现象，从而无法获取真实
的图像信息
[4-6]
。因此，需要对此类图像进行去雾，增强
单幅图像去雾算法研究综述
郑凤仙，王夏黎，何丹丹，李妮妮，付阳阳，袁绍欣
长安大学 信息工程学院，西安 710064
摘 要：随着图像处理技术和计算机视觉技术的蓬勃发展，对特殊天气下的场景检测和图像处理成为该领域的重要
研究方向。其中在雾天拍摄的图像容易受雾或霾的影响，导致图片细节模糊、对比度低以至于丢失图像重要信息，
为解决此类问题图像去雾算法应运而生。图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目
的的一种图像分析与处理方法。为了研究图像去雾算法的发展过程、现状以及未来，根据原理不同将去雾算法分为
基于物理模型去雾算法、基于非物理模型去雾算法和基于深度学习去雾算法三大类。对其中经典算法从内容、发展
和优缺点等方面进行介绍；并对算法进行实验分析与比较。展望了去雾算法的未来研究的重难点。
关键词：图像去雾；图像处理；物理模型；非物理模型 ；深度学习
文献标志码：A 中图分类号：TP391.41 doi：10.3778/j.issn. 1002-8331.2106-0134
Survey of Single Image Defogging Algorithm
ZHENG Fengxian, WANG Xiali, HE Dandan, LI Nini, F U Yangyang, YUAN Shaoxin
School of Information Engine ering, Chang’a n University, Xi’an 710064, China
Ab stract：With the vigorous development of image processing technology and computer vision technology, scene detection
and image pr ocessin g under special weather have be come an important research direction in this field . And images taken
in a foggy day are e asily affec ted by fog or haze, resu ltin g in blurry detail s and low contrast, so that important image
information is lost. In order to solve such problems, image defogging algorithms have came into being. The image defogging
algorithm is an imag e analysis and processing method for the purpose of meeting the needs of spec ific scenes, highlighting
the details of the picture, and enhancing the quality of the picture. In order to study the development process, current situation
and fu ture of image defogging algorithms, in this paper, according to different pri nciples, t he defogging algo rithms are
divided into three categories：defogging algorithms based on physical models, defogging algorithms based on non-physical
mo dels, and d efogging algorithms based on deep learn ing. T hen it introduce s the content, deve lopment, advantages and
disadvantages of th e c lassic algorithms among them, and conducts experimental analysis and comparison on them. At the
end of the article, the importa nt and diffic ult points of the future research of the dehazing algorithm are prospected.
Key words：image defogging ; image processing; physical model; non-physical model; deep learning
基金项目：国家重点研发计划（2020YFB1600400）。
作者简介：郑凤仙（1997—），女，硕士，研究方向为数字图像处理，E-mail：1905368249@qq.com；王夏黎（1965—），男，副教授，研究
方向为计算机视觉、数字图像处理；何丹丹（19 95—），男，硕士，研究方向为数字图像处理；李妮妮（1996—），女，硕士，
研究方向为数字图像处理；付阳阳（1995—），女，硕士，研究方向为计算机视觉；袁绍欣（1972—），男，副教授，研究方向
为交通数据建模分析、工作流中间件平台及其应用研究等。
收稿日期：2021-06-08 修回日期：2021-10-26 文章编号：1002-8331（2022）03-0001-14
Computer Engineer ing and Applications 计算机工程与应用
1
剩余13页未读，继续阅读
评论0
最新资源