摘要
雾霾天气会导致图像质量下降，影响目标识别和场景理解等计算机视觉任务的精度。
因此，雾霾环境下图像去雾算法研究具有重要意义。
本文首先介绍了雾霾图像退化模型，包括大气散射模型和雾霾图像退化特点，并阐述了去雾算法的评价指标。
接着，本文重点从基于先验信息的图像去雾算法和基于深度学习的图像去雾算法两个方面进行综述，详细分析了暗通道先验算法、色彩衰减先验算法以及基于卷积神经网络和生成对抗网络的去雾算法的原理、优缺点和最新研究进展。
此外，本文还探讨了雾霾环境下图像去雾算法在交通监控、遥感图像处理和计算机视觉任务中的应用。
最后，总结了当前研究中存在的问题，并对未来的研究方向进行了展望。
关键词：图像去雾，大气散射模型，先验信息，深度学习，应用
1.1雾霾图像退化
雾霾天气下，空气中悬浮着大量的微小颗粒，例如水滴、灰尘、烟雾等，这些颗粒会对光线产生散射和吸收作用。
当光线穿过雾霾时，会发生以下现象：
部分光线被雾霾颗粒吸收，导致场景的亮度降低。
部分光线被雾霾颗粒散射，偏离了原来的传播方向，导致图像对比度降低，细节模糊。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
