摘要
随着雾霾现象的不断加重，雾天环境不仅影响着人们的生活健康，还对交通监控和军事领域有着诸多影响。从上世纪二十年代以来，图像处理技术的研究开始兴起，经过不断的发展图像处理在多种领域都取得了不小的进步。雾天降质图像的去雾处理是图像处理问题中的研究热点，应用前景广阔。但是由于雾天图像的成因复杂，且雾天环境致使图像包含的信息量较少，因此如何根据雾天图像退化机理来建立模型实现图像去雾具有重要的理论和实际意义。 本文从雾的成因入手，通过分析雾的成因引出大气散射模型，阐述大气散射模型的建立以及其包含的入射光衰减模型和大气光成像模型。之后本文将介绍在此模型的框架下的两个经典去雾算法，通过实验仿真对两个算法的优点和局限性进行分析。 随后本文将论述马尔可夫场的相关知识，阐述马尔可夫场和吉布斯随机场的关系，并给出马尔可夫场的求取方法，即通过求取最小能量函数的形式，来获得马尔可夫场的最优分布情况。之后本文将介绍基于马尔可夫场和贝叶斯网络的图像去雾算法，并进行实验仿真验证复原效果，分析方法的优点和不足。 在经典方法和理论的基础上，本文将改进暗通道方法中大气光的求取形式，使得大气光的选择更为鲁棒。在此改进基础上，文中提出了一种基于马尔可夫模型的去雾方法，通过求取暗通道图像、K-means初始化标签、确定能量函数形式、计算最优标签分配等步骤获得图像的透射率图。将已求得的透射率图和求取的大气光值带入大气散射模型的具体表达式中求解可得到去雾后的图像，从而实现雾天图像的恢复。 最后，为了验证上述方法的准确性，本文通过分析现有几种图像清晰度评价方法，用图像清晰度评价方法对本文算法和文中提到的经典算法的效果进行比对和评价。通过将主观观察与客观评价结果相结合，验证了本文方法去雾效果和应用实施的可能性，具有一定的实用价值。
NETL