基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。
🔥内容介绍
针对雾天环境下图像因大气散射导致的对比度下降、细节模糊、颜色失真等可见度退化问题，本文开展基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究。传统暗通道先验（DCP）去雾算法虽能实现单幅图像去雾，但存在透射率估计不精确、景深突变区域产生块状效应、天空区域复原失真等局限，且对灰度与彩色图像的适配性不足。本文通过引入导向滤波优化透射率估计过程，结合双边滤波增强边缘细节保留能力，改进大气光估计方法，提出一种适用于灰度与彩色图像的通用去雾方案。实验以CVPR O-HAZY NTIRE 2018合成雾图数据集及真实雾天图像为样本，与经典DCP、CAP（颜色衰减先验）、FVR（Fast Visibility Restoration）等算法进行对比，从主观视觉效果和客观评价指标（PSNR、SSIM、运行时间）两方面验证算法性能。结果表明，所提算法在PSNR指标上较经典DCP算法提升1.5-3.2dB，在SSIM指标上提升0.08-0.15，有效抑制了块状效应和光晕现象，同时提升了彩色图像的色彩保真度和灰度图像的细节清晰度，兼顾了去雾效果与实时性。研究为低照度与雾霾环境下的图像复原提供了理论支撑与技术方案，可广泛应用于自动驾驶、遥感监测、安防监控等计算机视觉相关领域。
关键词：导向滤波；暗通道先验；图像去雾；可见度复原；灰度图像；彩色图像
1 引言
1.1 研究背景
在计算机视觉领域，雾天、霾天等恶劣天气会导致大气散射现象加剧，使得光线在传播过程中发生衰减和散射，进而造成图像可见度显著下降——具体表现为对比度降低、细节信息被掩盖、彩色图像出现偏色失真，灰度图像出现灰度值压缩等问题。这种图像退化现象严重影响后续目标检测、图像分割、特征提取等计算机视觉任务的性能，限制了自动驾驶、遥感航拍、安防监控、智能交通等领域的实际应用场景落地。
图像去雾技术作为解决上述问题的核心手段，主要分为两类：多帧图像去雾与单幅图像去雾。多帧图像去雾方法需依赖同一场景不同天气或不同偏振程度的多幅图像作为参照，操作复杂且在实际场景中适用性有限；单幅图像去雾方法仅需单幅雾天图像即可实现去雾，无需额外硬件辅助，具有更强的实用性和灵活性，成为近年来的研究热点。
何恺明等人提出的暗通道先验（Dark Channel Prior, DCP）算法，为单幅图像去雾提供了坚实的理论基础，其核心在于利用自然无雾图像的暗通道特征（绝大多数非天空局部区域中，至少有一个颜色通道的像素值趋近于零），结合大气散射模型实现雾天图像的复原。该算法结构简单、去雾效果显著，但存在明显局限：一是采用最小值滤波估计透射率时，易产生块状效应，导致图像边缘过渡不自然；二是在天空、高亮物体等区域，暗通道先验假设失效，导致大气光和透射率估计偏差，出现复原失真、光晕等问题；三是未充分考虑彩色图像通道间的相关性，导致彩色图像复原后色彩保真度不足，同时对灰度图像的适配性有待提升。
导向滤波作为一种边缘保持平滑滤波算法，具有计算高效、边缘保留效果好的优势，能够有效解决传统滤波算法导致的细节模糊问题。将导向滤波与暗通道先验算法相结合，可优化透射率估计过程，抑制块状效应，同时保留图像边缘细节，为灰度与彩色图像的高质量可见度复原提供了可行路径。
1.2 研究意义
本文的研究意义主要体现在理论与实际应用两个方面：
在理论层面，针对传统暗通道去雾算法的局限性，优化暗通道计算、透射率估计和大气光估计流程，提出适用于灰度与彩色图像的通用去雾算法，丰富单幅图像去雾算法的研究体系，为后续图像复原技术的改进提供理论参考；同时，深入分析导向滤波在透射率优化中的作用机制，完善导向滤波与先验理论结合的应用场景，推动图像去雾技术的理论发展。
在实际应用层面，所提算法能够有效解决雾天图像可见度退化问题，同时适配灰度与彩色图像，兼顾去雾效果与实时性，可直接应用于自动驾驶的环境感知、遥感图像的清晰化处理、安防监控的目标识别等场景，提升计算机视觉系统在恶劣天气下的稳定性和可靠性，具有重要的工程应用价值。
1.3 国内外研究现状
国外对图像去雾技术的研究起步较早，除何恺明等人提出的DCP算法外，Fattal通过假设物体表面反射率与传输值局部统计不相关，利用独立成分分析估计场景反射率，但该方法在浓雾和低信噪比场景下易失效；Tarel等人采用白平衡结合中值滤波变形形式估计大气耗散函数，易产生光晕效应；后续学者提出采用快速双边滤波、数字全变差滤波等方法优化透射率估计，一定程度上提升了去雾效果，但仍存在细节保留不足、计算复杂度较高等问题。
国内学者在暗通道去雾算法的改进方面开展了大量研究，主要集中在透射率优化和大气光估计两个方向。部分研究采用导向滤波替代传统DCP算法中的软抠图算法，解决了软抠图算法计算复杂、实时性差的问题，但存在去雾不彻底的现象；还有研究通过改进暗通道计算方式，引入混合暗通道、加权暗通道等，提升算法对天空区域、高亮物体区域的适配性，但在灰度与彩色图像的通用适配性上仍有提升空间；此外，有学者结合Retinex理论、深度学习技术等，进一步提升去雾效果，但深度学习算法存在训练成本高、实时性不足的局限，难以满足部分实时应用场景需求。
综合来看，当前去雾算法仍存在三个核心问题：一是透射率估计精度不足，易产生块状效应和光晕；二是大气光估计鲁棒性差，对天空等特殊区域适配性不足；三是难以同时兼顾灰度与彩色图像的复原效果，通用性能有待提升。本文针对上述问题，结合导向滤波的优势，对暗通道去雾算法进行优化，实现灰度与彩色图像的高质量可见度复原。
1.4 研究内容与技术路线
本文的主要研究内容如下：
1. 梳理图像去雾的核心理论基础，包括大气散射模型、暗通道先验理论和导向滤波原理，明确各理论在图像去雾过程中的作用机制，为算法改进提供理论支撑；
2. 分析传统暗通道去雾算法的局限性，针对灰度与彩色图像的特性，改进暗通道计算方式，提出适配两种图像类型的加权暗通道计算方法；
3. 优化透射率估计流程，采用“双边滤波平滑+导向滤波细化”的双重优化策略，抑制块状效应，保留图像边缘细节，提升透射率估计精度；
4. 改进大气光估计方法，提出基于四分位距（IQR）的鲁棒估计策略，解决传统方法在天空区域估计失效的问题，提升大气光估计的准确性；
5. 设计对比实验，验证所提算法在灰度与彩色图像可见度复原中的性能，对比分析不同算法的主观视觉效果和客观评价指标，验证算法的优越性和实用性。
本文的技术路线为：首先明确研究背景与意义，梳理国内外研究现状，确定研究方向；其次，深入研究相关理论基础，分析传统算法的局限性；然后，针对局限性提出算法改进方案，构建完整的去雾算法流程；最后，通过实验验证算法性能，总结研究结论并展望未来研究方向。
2 相关理论基础
3 基于导向滤波的暗通道去雾算法改进
针对传统暗通道去雾算法存在的块状效应、天空区域复原失真、灰度与彩色图像适配性不足等问题，结合导向滤波的优势，本文从暗通道计算、透射率优化、大气光估计三个方面对算法进行改进，构建适用于灰度与彩色图像的可见度复原算法。
3.1 改进的暗通道计算方法
传统暗通道计算方法对于彩色图像，采用三通道同等权重的最小值计算，未充分考虑彩色图像各通道的能量差异和相关性，导致色彩丰富区域的透射率估计精度不足；对于灰度图像，虽可直接计算局部窗口最小值，但易受噪声影响，导致暗通道细节丢失。本文针对灰度与彩色图像的特性，提出改进的暗通道计算方法。
4 结论与展望
4.1 研究结论
本文围绕基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究，针对传统暗通道去雾算法的局限性，开展了一系列研究工作，主要结论如下：
1. 提出了改进的暗通道计算方法，针对灰度图像引入高斯平滑预处理，针对彩色图像采用加权暗通道计算，充分利用彩色图像通道间的相关性，提升了暗通道计算的精度，为后续透射率估计提供了可靠基础；
2. 提出了“双边滤波平滑+导向滤波细化”的双重透射率优化策略，有效抑制了传统算法的块状效应，同时保留了图像的边缘细节，提升了透射率估计的精度和实时性；
3. 提出了基于四分位距（IQR）的鲁棒大气光估计方法，排除了天空、高亮物体等特殊区域对大气光估计的干扰，提升了大气光估计的准确性和鲁棒性，解决了传统方法在特殊区域复原失真的问题；
4. 实验验证表明，所提算法能够有效实现灰度与彩色图像的可见度复原，在PSNR、SSIM等客观指标上优于对比算法，主观视觉效果更自然，兼顾了去雾效果与实时性，可广泛应用于自动驾驶、遥感监测等领域。
4.2 研究不足与展望
本文的研究仍存在一些不足，未来将针对这些不足，开展进一步的研究工作：
1. 本文算法在极端浓雾场景下，仍存在去雾不彻底、细节保留不足的问题，未来将结合多尺度导向滤波、深度学习技术，优化透射率估计流程，提升算法在极端场景下的适应性；
2. 算法的实时性仍有提升空间，未来将对算法进行轻量化优化，简化计算流程，提升算法的运行效率，满足自动驾驶等对实时性要求较高的场景需求；
3. 本文算法主要针对静态图像去雾，未来将拓展算法的应用场景，研究动态视频去雾技术，实现视频序列的实时可见度复原；
4. 未来将探索导向滤波与深度学习技术的深度融合，结合深度学习的特征提取能力和导向滤波的边缘保留优势，进一步提升图像去雾的质量和鲁棒性。
⛳️ 运行结果
🔗 参考文献
[1] 孙张明.数字图像去雾方法及其应用研究[D].天津大学,2014.DOI:10.7666/d.D654448.
[2] 胡晓霞,郑三婷,杨浩宇,等.基于暗通道的图像去雾算法研究[J].电子设计工程, 2024, 32(19):42-46.
[3] 杨立杰.视频图像去雾算法的研究及在视频处理系统中的设计实现[D].吉林大学[2026-03-03].DOI:CNKI:CDMD:2.1018.223826.
📣 部分代码
🎈 部分理论引用网络文献，若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇