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。
中图分类号：TN911 文献标志码：A DOI: 10.16157/j.issn.0258-7998.256538
中文引用格式： 李旭，莫迪，邓山景，等. 基于直方图的自适应混合通道先验去雾算法研究[J]. 电子技术应用，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，邓山景，等. 基于直方图的自适应混合通道先验去雾算法研究[J]. 电子技术应用，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
大气颗粒物，包括雾霾、灰尘、烟雾，常常降低户外成像设备获取图像的质量。然而，高质量的图像在交通、监控、医疗和军事等多个领域中是至关重要的信息源,图像作为视觉信息传递的重要组成部分，其质量的好坏直接影响到社会的运行效率、科技的创新发展以及人类的日常生活。因此，去雾算法在这些应用中具有重要意义。
主流的图像去雾技术可以大致分为多图像去雾和单图像去雾。后者可以进一步细分为：基于图像增强的方法、基于图像恢复的方法和基于深度学习的方法。基于图像增强的方法，如小波变换[1]、CLAHE[2]、MSR[3]等，通过增强图像高频分量从而提升对比度来实现去雾。然而，由于这些方法没有考虑雾霾图像形成的物理机制，去雾效果相对较差。基于图像恢复的方法，如DCP[4]、BCCR[5]、CAP[6]等，依赖于不同的先验信息来计算模型中相关参数以实现去雾。这类方法虽然简单，但依赖于先验的正确选择,当先验不适用于某些场景时，图像恢复可能会产生失真。基于深度学习的方法，如DehazeNe[7]、FFA-Net[8]、AOD-Net[9-10]等，通过从大量数据中学习计算相应的参数。然而，由于这些方法依赖于合成的雾霾图像，去雾效果往往不稳定，而且计算复杂。
针对上述问题，本文提出了一种新的基于先验的单图像去雾方法，首先，对输入图像应用直方图统计来确定暗通道和亮通道参数的权重。随后，计算两个通道的大气光值和透射率，并使用这些权重进行参数的自适应融合。最后，使用MSR算法对去雾后的结果进行进一步增强。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000006916
作者信息：
李旭，莫迪，邓山景，江先阳
（武汉大学 物理科学与技术学院，湖北 武汉 430072）
此内容为AET网站原创，未经授权禁止转载。