基于直方图的自适应混合通道先验去雾算法研究
电子技术应用
李旭，莫迪，邓山景，江先阳
武汉大学 物理科学与技术学院
摘要： 大气中的悬浮颗粒物会显著影响阳光的散射。在晴朗的天气里，这些粒子引起的散射相对较弱，所以拍摄出的图像质量较高；但是在雾霾天气下，粒子引起的散射变得严重，拍摄出的图像的质量则会明显下降。然而，清晰的图像对于交通、监控、医疗和军事等许多领域的工作的开展有着深刻意义。对于雾天条件下拍摄图像会出现退化的问题，提出了一种基于直方图的自适应混合通道先验（HAHCP）。对大气光值及透射率计算的优化减少了天空区域的halo效应及图像失真的出现。在O-Haze数据集上的实验结果表明，该算法在恢复效果和图像质量方面优于多种传统算法。
中圖分類號：TN911 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256538
中文引用格式： 李旭，莫迪，鄧山景，等. 基于直方圖的自適應混合通道先驗去霧算法研究[J]. 電子技術應用，2026，52(1)：73-77.
英文引用格式： Li Xu，Mo Di，Deng Shanjing，et al. Histogram-guided adaptive fusion of bright and dark channel priors for single image dehazing[J]. Application of Electronic Technique，2026，52(1)：73-77.
中文引用格式： 李旭，莫迪，鄧山景，等. 基于直方圖的自適應混合通道先驗去霧算法研究[J]. 電子技術應用，2026，52(1)：73-77.
英文引用格式： Li Xu，Mo Di，Deng Shanjing，et al. Histogram-guided adaptive fusion of bright and dark channel priors for single image dehazing[J]. Application of Electronic Technique，2026，52(1)：73-77.
Histogram-guided adaptive fusion of bright and dark channel priors for single image dehazing
Li Xu，Mo Di，Deng Shanjing，Jiang Xianyang
School of Physics and Technology， Wuhan University
Abstract： Suspended atmospheric particles significantly impair light scattering, leading to a noticeable decline in image quality captured by high-quality sensors, especially under hazy conditions. This paper introduces the Histogram-based Adaptive Hybrid Channel Prior (HAHCP) method to address this issue. By integrating parameters from the bright channel prior, HAHCP mitigates limitations of the dark channel prior, such as its ineffectiveness in sky regions and bright areas, and the low contrast in restored images. Additionally, optimized transmission estimation minimizes halo artifacts at object edges. Experimental results on the O-Haze dataset demonstrate that the proposed method outperforms traditional algorithms in restoration performance and image quality.
Key words : image dehazing；bright channel prior；dark channel prior；histogram statistics；adaptive fusion
引言
大氣顆粒物，包括霧霾、灰塵、煙霧，常常降低戶外成像設備獲取圖像的質量。然而，高質量的圖像在交通、監控、醫療和軍事等多個領域中是至關重要的信息源,圖像作為視覺信息傳遞的重要組成部分，其質量的好壞直接影響到社會的運行效率、科技的創新發展以及人類的日常生活。因此，去霧算法在這些應用中具有重要意義。
主流的圖像去霧技術可以大致分為多圖像去霧和單圖像去霧。后者可以進一步細分為：基于圖像增強的方法、基于圖像恢復的方法和基于深度學習的方法。基于圖像增強的方法，如小波變換[1]、CLAHE[2]、MSR[3]等，通過增強圖像高頻分量從而提升對比度來實現去霧。然而，由于這些方法沒有考慮霧霾圖像形成的物理機制，去霧效果相對較差。基于圖像恢復的方法，如DCP[4]、BCCR[5]、CAP[6]等，依賴于不同的先驗信息來計算模型中相關參數以實現去霧。這類方法雖然簡單，但依賴于先驗的正確選擇,當先驗不適用于某些場景時，圖像恢復可能會產生失真。基于深度學習的方法，如DehazeNe[7]、FFA-Net[8]、AOD-Net[9-10]等，通過從大量數據中學習計算相應的參數。然而，由于這些方法依賴于合成的霧霾圖像，去霧效果往往不穩定，而且計算復雜。
針對上述問題，本文提出了一種新的基于先驗的單圖像去霧方法，首先，對輸入圖像應用直方圖統計來確定暗通道和亮通道參數的權重。隨后，計算兩個通道的大氣光值和透射率，并使用這些權重進行參數的自適應融合。最后，使用MSR算法對去霧后的結果進行進一步增強。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000006916
作者信息：
李旭，莫迪，鄧山景，江先陽
（武漢大學 物理科學與技術學院，湖北 武漢 430072）
此內容為AET網站原創，未經授權禁止轉載。