随着技术的进步和社会的发展,计算机视觉的设备被广泛地应用于人们的生产和生活之中。随之而来的一个问题是如何减少恶劣的户外自然条件和场景状况对计算机视觉设备的影响。恶劣的应用环境制约着设备的性能,影响着输出数据的结果,严重时还会导致设备难以正常运行。研究雾霾气象条件下,图像的去雾技术不仅可以提高图像成像质量,也可以提高设备应对自然灾害的能力。在去雾的算法研究中,何凯明的暗通道去雾算法是目前最为流行的去雾算法。在去雾上取得了很好的结果。但是该算法也存在一些问题。例如:暗通道去雾假定局部区域的颜色分量最小值是趋近于零的,但是在实际的情况中,这一假设并一定不成立。再者,何选用图像中最亮的点作为大气光照强度,这种估计方法有可能将图像中比雾霾更亮的像素点错误地选为大气光照强度。此外,折射率图也需要进一步的优化。去雾算法大多应用于视频去雾中,因此算法的运行速度也需要进一步提高。针对暗通道去雾算法中存在的问题,本文提出了两种改进算法。改进算法一:根据Retinex理论从高斯模糊后的有雾图像中提取大气光照强度A。然后从有雾图像中提取出整幅图像颜色分量的最小值,Dmin。再根据Dmin计算出的比例值来优化折射率t。改进算法二:为了避免大气光照强度出现错误估计的问题,本文采用了先将图像划分成9个子区域,然后,找出每个子区域每个颜色通道数量最多的灰度级,将灰度级求和,找出灰度级和最大的区域,然后重复前面的操作,如果所选子区域的面积小于某个阈值,就将最终的子区域各通道的平均值作为大气光照强度。为了进一步优化折射率图,使用整幅图像最小值的归一化结果与折射率的乘积作为折射率图每个点的加强值。实验结果表明:本文的改进算法有效地避免了大气光照强度的错选和折射率偏小的问题。去雾的效果明显优于原有去雾算法的结果。