数字信号处理实验报告
基于 Retinex 理论的图像去雾算法研究
姓 名
学 号
学 院 湖南理工学院
专 业 电子信息工程
班 级 电信
指导教师
编写日期 2020.05.30
摘 要
图像去雾技术主要分为两类，一种是基于大气散射物理模型的去雾方法，另一
种是基于图像增强的去雾方法。本文的研究基于后者，提出了一种基于 Retinex 理
论图像增强去雾算法，对于传统的去雾算法得到的问题，将受到雾霾天气影响的图
片用 Retinex 算法进行处理，获得清晰图像。根据 Retinex 算法先构建高斯环绕函
数利用高斯环绕函数分别对图像的三个通道（R,G,B）进行滤波，再在对数域中的
原始图像和光照分量进行相减得到反射分量作为输出结果图像。实验表明，该算法
对雾霾图像处理过后有较好的增强效果，信噪比和信息熵明显提高，画面清晰。
[关键词]:Retinex;图像去雾;
第一章 绪 论
1.1 开发背景
由于中国工业化发展迅速，工业生产和个人交通出行产生的废气不断增多，恶
劣条件频繁增加，给人们生活产生严重影响。随着图像处理和计算机视觉技术的发
展，图像去雾对视频监控，目标识别等有重要应用价值。目前的图像去雾技术，处
理的结果图会出现失真较高，稳健性差，细节模糊等缺点。
雾霾天气条件下，空气能见度大幅度降低，从而导致成像传感器采集的图像严
重降质，因此，一个稳定的室外监视系统应该有在任何天气下工作的能力，为了解
决这一问题，图像去雾问题的研究由此产生。
1.2 图像去雾技术的研究现状
图像去雾介于图像增强与图像修复之间，算法主要可以分成两类：一类是基于
图像增强的去雾方法；另一类是基于大气散射规律建立图像物理退化模型，再根据
模型进行去雾处理。这种模型利用先验知识，具有内在的优越性。实际条件下获取
的往往是没有附加任何景深与大气前提信息的图像，因为已知信息量不够，所以图
像去雾具有不确定性。
1.3 Retinex 雾霾图像算法简介及原理
Retinex 理论是一种建立在科学实验和科学分析基础上、 基于人类视觉系统
的图像增强理论。该算法与线性和非线性 变换、图像锐化等传统图像增强算法不
同，这些算法只能对图 像的某类特征进行增强处理，而 Retinex 具有大动态范围
压缩、 颜色恒常性、高色彩保真度等特点，适用于对受光照影响严重 的图像进行
补偿，能够提高图像的清晰度，使图像的颜色更接 近原图像，图像增强后的视觉
效果更佳。
Retinex 的基础理论是物体颜色是由物体对长波、中波和短波光线的反射能力
决定，而不是由反射光强度的绝对值决定。 物体的色彩不受光照非均匀性的影
响，具有一致性， Retinex 是以色感一致性（颜色恒常性）为基础的，如图 1：
图 1 Retinex 原理示意图
实际上，Retinex 理论就是通过图像来得到物体的反射性质，也就是设法去除
（或者降低）入射光的影响从而得到物体原本该有的样子。但是具体该如何来估计
并没有一个明确的答案，因此根据不同的估计方法，也就产生了各种各样的
Retinex 算法。
1.4 图像增强处理流程
本论文设计基于 Retinex，图像增强处理流程如下图 2:
图 2 图像增强处理流程
第二章 单尺度 Retinex 算法的研究
2.1 引言
单尺度的 Retinex 算法（SSR, Single Scale Retinex）是最基础、最简单的
一种 Retinex 算法，而且这个算法也给出了广义上 Retinex 算法的大致框架。本小
节探究了单尺度的 Retinex 算法的实现以及使用代码实现并分析对比了处理前后的
图像。
2.2 算法研究
单尺度（Single-Scale Retinex，SSR）算法的公式为：
对上述 5 个公式解释如下：
式(1)：其中，R(x, y)表示了物体的反射性质，即图像内在属性，我们应该最大程
度的保留；而 L(x, y)表示入射光图像，决定了图像像素能达到的动态范围，我们
应该尽量去除。一般，我们把照射图像假设估计为空间平滑图像，原始图像为 S(x,
y)，反射图像为 R(x, y)，亮度图像为 L(x, y)
式(3)，r(x, y)是输出图像，后面中括号里的运算是卷积运算。F(x, y)是中心环
绕函数，表示为式(4)
