基于Retinex算法的图像去雾的MATLAB仿真研究
摘要图像是人们获取外界信息的一种载体，它包含着丰富的信息。而恶劣的天气会使图像丢失掉一些信息，使之失去自己的作用，无法发挥应有的功能。当室外出现雾霾等天气时，恶劣的天气条件会使在室外拍摄的图像质量下降，图像会出现许多问题：图像模糊，颜色失真，对比度低。伴随着图像处理技术和计算机视觉技术的快速发展，对特殊天气下的图像处理成为一种重要的研究方向。因此，去雾算法应用而生。并由于科学技术的进步，去雾算法也在一步步优化。
本文介绍了基于颜色恒常理论的Retinex算法，分别对基于中心环绕的单尺度Retinex算法（SSR）、基于多尺度加权平均的Retinex算法（MSR）和带彩色恢复的多尺度Retinex算法（MSRCR），进行了分析和比较。并通过MATLAB软件,使用三种算法来使雾化的图像恢复。通过比较去雾后的图像，发现Retinex算法去雾效果较好，为实际使用提供了依据。
关键词图像去雾、Retinex算法、SSR、MSR、MSRCR
目录
TOC\o1-3\h\z\u摘要 1
Abstract 2
第一章绪论 4
1.1研究背景及意义 4
1.2目前图像去雾方法的研究现状 5
1.3研究内容 7
1.4论文结构 7
第二章Retinex的图像去雾技术研究 8
2.1图像增强 8
2.2色彩恒常性模型 8
2.3Retinex理论 8
2.4Retinex算法思想 8
2.5本章小结 9
第三章关于Retinex的三种方法研究 10
3.1SSR——单尺度算法 10
3.2MSR——多尺度算法 11
3.3MSRCR——带彩色恢复的多尺度Retinex算法 11
3.4本章小结 12
第四章基于MATLAB进行去雾仿真 13
4.1MATLAB软件介绍 13
4.2使用SSR方法进行仿真去雾 13
4.3使用MSR方法进行仿真去雾 14
4.4使用MSRCR方法进行仿真去雾 15
4.5对三种方法进行结果分析 16
4.6算法改进 17
4.7本章小结 19
第五章总结与展望 20
5.1总结内容 20
5.2未来展望 20
参考文献 22
第一章绪论
1.1研究背景及意义
进入新时代后，世界经济发展迅猛，同时产生了工业化污染严重的问题，许多城市被雾霾，沙城暴等天气所侵袭。在恶劣的天气条件下，如雾霾，会在空气中会形成可吸入颗粒，它们的浓度很高。颗粒在空气中的时候，会影响一些景物所形成的反射光线，从而产生散射现象，也会将反射光线吸收。这不仅给人们的生活与自身的健康造成了严重的威胁，并且在使用成像设备获得物体的图像后，可以明显的看出图像有一些问题，如图像模糊，清晰度差，对比度小等。在一定程度上，也会影响一些监管部门的工作，会让其效率低下。
灰霾和雾天合起来叫做雾霾，当空气中含有的蒸发的水量充足、大气压稳定时，水蒸气会变成水滴，它会受到地球引力的作用，从而悬浮在离地面不远处的空中，所以，能见度下降。而当空气中含有过高的烟、尘时，我们会看到空气变浑浊，这就是霾。此时，能见度降低。当出现雾霾天气时，我们所能获取到的细节信息会大大变小。
在我们所获得的图像中，包含了丰富的信息。随着科技日新月异的改变以及网络的发展，我们几乎在生活中都需要用到图像来传递信息。但是，当遇到雾霾等恶劣天气时，获得的图像会出现诸如模糊、清晰度差、细节丢失等问题。近些年来,随着世界科技的快速发展，图像处理技术正被广泛应用于我们的生活中，如人脸识别、监控视频等，尤其是在雾天中，图像更是会出现模糊等问题。因此，与图像去雾的相关技术正在不断发展和进步，使图像的细节更为明显。
现在的科学技术不断成熟，信息技术也发展迅猛，越来越多的人工智能系统被应用到我们的生活中。例如监控视频检测；无人驾驶等等。图像处理技术涉及我们生活的方方面面，因此我们需要对模糊图像处理，提高其准确性与清晰度。而研究图像去雾算法对于图像去雾有重要的研究意义和价值
如图1-1所示为有雾图像。
图1-1有雾图像
1.2目前图像去雾方法的研究现状
近些年，计算机技术不断发展，科研工作者开始思考，想出了许多算法，从不同的方向对图像进行去雾处理，使图像变的清晰。从目前的研究情况来看，关于图像的去雾方法可以分为以下三类:基于物理模型的图像复原算法、基于非物理模型（图像特征）的图像增强算法和基于深度学习（机器学习）去雾算法。
如图1-2所示为去雾分类。