目前在监控领域中使用的透雾图像处理技术，大致可以分为以下三类：
一、非模型的图像增强方法
这种方法是通过增强图像的对比度，满足视觉的主观要求来达到清晰化的目的。比较典型的算法有基于多尺度Retinex图像的增强技术，限制对比度自适应直方图均衡化算法等。
该方法的特点是对浓度均匀的雾霾有一定的效果，特别是基于直方图的算法实现简单，有一定的透雾效果，应用广泛；缺点是原理建立在增强主观效果的基础上，符合真实的雾气模型，无法区分图像不同区域的景深与雾浓度，处理强度无法自适应，造成处理后的图像不自然，易出现发黑及色彩失真现象。
二、基于模型的图像复原方法
它考查图像退化的原因，将退化过程进行建模，采用逆向处理，以最终解决图像的复原问题。比较典型的算法有基于暗通道原理的透雾算法。
暗通道假设在无雾的图像中，绝大多数非天空的局部区域里，某些像素总会至少有一个颜色通道具有很低的值，即自然景物中到处都是阴影或者彩色，这些景物的图像的暗原色总是很灰暗的。基于该假设作为先验知识，从有雾图像的模型中解出无雾图像。
这一种技术基于大气透射模块，区分图像不同区域景深与雾浓度进行处理，可以获得准确、自然的透雾图像。缺点是算法复杂度高，不易实现。
三、通过红外成像进行透雾
通过将红外成像图与正常图像融合的方式，可以得到透雾后的图像。近红外摄像机可以获取雾霾掩盖的图像细节，通过融合的方式进行透雾。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
