大约在100年前，图像首次作为信号经过海底的电缆从英国伦敦传送至美国纽约，开创了数字图像处理的历史研究。1962年，交互式绘图系统的提出，是图像处理和计算机首次结合在一起[1]。计算机领域的不断发展，使得计算机和其他相关的领域快速联系到一起，并发展成为一个新兴的领域。数字图像处理就是由于计算机的不断进步逐渐发展成为一个新兴技术领域，数字图像处理的技术在那个时候开始被人们研究。到了20世纪60年代末期，数字图像处理技术已经形成了一个较为不错的的体系了。到现在社会，数字图像处理已经发展十分成熟，各种关于图像处理的研究已经变得很多很多了。78638

早些年的图像处理主要是恢复图像的质量，出发点在人们本身，主要是为了人们更好的观赏性。改善的是人眼的直观效果，所以图像通过增强复原等各种处理，得到一个比较适合观赏的图片，或者说得到一个人们认为有趣的图片。到1970年以后，计算机技术的发展已经趋向成熟，由于受到人工智能的影响，人们对图像处理的研究就开始偏向了机器的视觉领域。除此之外，医学军事方面的需要也是刺激图像处理进步的一个重要因素。 

图像去雾处理的研究自图像处理一开始就有研究。McCartney对不同条件下的大气粒子进行研究，提出我们常用的大气散射传输模型，之后瑞利定律让我们知道散射系数与人射光波长之间的关系[2]。在图像增强技术方面，祝培等人在不考虑大气退化模型的情况下，巧妙的对雾天图像进行了分割处理，从而使雾天图像得到增强[3]。通过直方图均衡化的方法，艾明晶等人提出了对雾天自适应图像的去雾处理，也取得了较好的效果。

基于Retinex理论的研究也是图像处理领域的一个热点，在1970年左右，相关的研究人员提出色彩恒常性的计算方法，这个视网膜皮层理论就开始被人们所熟知，并广泛的拿来研究[4]。基于Retinex理论的图像增强方法研究较为广泛，主要分为单尺度和多尺度的算法，它们的区别就是多尺度的方法是把单尺度算法得到的结果进行加权平均，此外还有通过调整三原色分量而得到的多尺度彩色复原算法（MSRCR），这几种方法之间的区别并不大。即使到现在，这些方法仍然是人们进行数字图像处理常用的方法。论文网

近年来，单幅图像去雾因其使用范围更广受到越来越多的关注。单幅图像去雾方法，是通过假设不同的图像先验信息进行去雾处理[5]。通过假设传输和目标表面的阴影部分是不相关的，Fattal使用独立成分分析估计透过率图。由于有雾的图像对比度较低，Tan最大化恢复图像的局部对比度，以提高可见性。然而，由于所得到往往是过与饱和的恢复图像，导致一种不自然的无雾图像，这是这种方法的一个明显缺陷。Tarel和Hautiere使用中值滤波器来实现有效的图像去雾，而中值滤波器不是边缘保持，并且因此可以导致沿着边缘区域的光环效应。Sun等人使用联合均值漂移过滤通过嵌入式系统来改进大气面纱，实现实时处理[6]。

通过观察大量的无雾图像，何恺明等人总结并提出了用于图像去雾一种新方法--基于暗原色先验的去雾方法，就是说，无雾的正常图像中每个像素的暗原色被假定为零[7]。在这个DCP的基础上，透过率图就可被估计出来。这种方法实现了一个国家的最先进的去雾效果。然而，在软抠图技术的使用是一个迭代的优化过程中，需要大量的计算。虽然这种软抠图技术后来被滤波器取代，但其算法复杂度仍然很高[6]。此外，在明亮的天空区域，DCP是无效的，因此轮廓文物有时可以因为在天空区域导致DCP观察的失败。在Shiau等人的工作，透过率图是利用1×1像素和15×15像素暗通道图之间的一种权衡的自适应计算，它可以保存边缘，由于边缘区域的传输主要是计算使用1×1，但因为像素级暗通道计算过饱和可在边缘区域中找到。通过一个复杂的人类基于视觉的假设得到可信度值，提出重新计算的有雾图像的暗通道。改善DCP的方法，已经开发出一种没有细化过程的直接传输的估计方法，大大减少了处理时间。此外，纹理细节被平滑，而边缘保留。在计算暗通道时，与之前的方法相比，即使在边缘区域，通过块级的计算得到暗通道，这样其方法可以在保持边缘的同时避免过饱和。改为暗通道，我们解决这个问题，基本上是通过一个新的假设，在有雾图像的黑暗通道。一个ADCP拟补偿天空区域。通过使用高效的缩放技术，得到的方法是适合于实时应用。 图像增强算法国内外研究现状综述:http://www.youerw.com/yanjiu/lunwen_90684.html