去雾论文综述：Comparative Re-evaluation of Different Single Image Defogging Techniques: A Review

本文链接：https://blog.youkuaiyun.com/u011330902/article/details/120362101

本文综述了当前的单幅图像去雾技术，旨在提高能见度和图像质量。针对雾天导致的低对比度和模糊图像问题，文章分析了多种方法的优缺点，包括暗通道先验、对比度增强、融合技术等，并指出它们在处理特定场景时的局限性。未来的工作将聚焦于结合深度学习和多模态图像融合，以进一步提升去雾算法的效率和准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Baba A, Anwar M I, Moon A, et al. Comparative Re-evaluation of Different Single Image Defogging Techniques: A Review[J]. ICT Analysis and Applications, 2021: 93-104.

不同单幅图像去雾技术的比较再评价：综述

摘要

如今，图像去雾已被证明是一项艰巨的任务，并且为正在考虑的图像的可见性增强提出几种假设和方法，需要一个小时。恶劣的天气条件会降低图像对比度，导致图像模糊和像素失真，从而导致世界上发生的道路交通事故。对于其他一些应用，如遥感、视频监控、导航等，需要清晰和高质量的图像。本文的主要目的是考虑现有的最先进的图像去雾技术，以提高能见度。最后，本文总结了图像去雾技术的现状及其比较结果，并提供了有见地的讨论和未来工作的前景，以提高现有系统的效率和准确性。

1 简介

在大多数图像处理应用中，雾天环境中有限的能见度一直是一个严重的问题。因此，在有雾的情况下，相机获取的图像会失去对比度和色彩保真度。在有雾的环境中，存在大量相当大的大气粒子。这些粒子不仅吸收和分散场景的反射光，还将一部分大气光传播到相机。因此，所拍摄的图像可见度差，对比度降低，严重影响可见光光学系统。这导致难以检测被观察物体并导致道路事故增加。能见度的下降主要受印度北部和世界其他类似地区冬季雾气的影响。据估计，全世界每年有超过 200 万人死于车祸，其中 24% 的此类事故是由于恶劣天气造成的 [1]。 2018 年 12 月，印度哈里亚纳邦因大雾导致高速公路堆积，导致 8 人（包括同一个家庭的 7 人ÿ