针对暗通道先验在天空区域的失效问题,提出了一种基于亮度模型融合的改进暗通道先验图像去雾算法。首先通过Canny算子分割得到天空区域与非天空区域;其次,利用亮度模拟景深,重构亮度透射率,并通过与暗通道透射率的融合构成天空区域透射率,最后的透射率图经由快速引导滤波进行精细化处理;大气光值选择抗干扰能力更强的天空区域中像素强度值前0.1%的像素中值;最后,经由大气散射模型恢复出无雾图像。实验结果表明,该算法针对含雾图像能够有效地恢复出图像的细节并抑制光晕现象,明亮度适宜,颜色自然。

图片来源于网络上大家常用的算法测试图片，如有侵权，请联系我删除

matlab si模型代码ECCV-通过多尺度卷积神经网络进行单幅图像去雾 任文奇、刘思、张华、潘金山、曹晓春、杨明轩 2016 年 10 月 10 日发布。 这些代码基于 MatConvNet。 描述 这是 ECCV16 论文的测试实现：Single Image Dehazing via Multi-scale Convolutional Neural Networks。 我们提供测试演示以及预训练模型。 脚本和预训练模型 这是我们在 ECCV16 中的去雾论文的演示实现。 此测试代码基于 MatConvNet 工具箱。 您应该首先在您的计算机上编译 MatConvNet，然后使用“demo_MSCNNdehazing.m”来测试您的图像。 “MSCNN_dehazing\matlab”文件夹中当前发布的编译版本可以直接在Win7电脑上使用。 引文 @inproceedings{Ren-ECCV-2016, 作者 = {任、文奇与刘、司与张、华与潘、金山与曹、小春与杨、明轩}， title = {通过多尺度卷积神经网络进行单图像去雾}， booktitle = {欧洲计算机视觉会议}

针对雾天降质图像，提出了一种新的有雾偏振图像复原方法。对大气光强及传输率函数进行估计，并优化传输率函数，利用大气散射模型，对3 个任意角度的偏振图像进行图像复原，以实现图像去雾。实验比较了3 个任意角度与2 个正交角度偏振图像复原质量。实验结果表明，该方法提高了图像的清晰度及对比度，有效改善了雾天的降质图像，且3 个偏振图像的角度选取是任意的，不需对偏振角度进行配准，有利于工程的实际应用。

何恺明图像去雾Matlab代码：何恺明等人研究出的基于暗通道的经典图像去雾算法，不仅可以还原图像的颜色和能见度，同时也能利用雾的浓度来估计物体的距离。

该课题是基于MATLAB平台的图像去雾处理，配备一个人机交互GUI界面，可以选择局部直方图均衡化，全局直方图均衡化，Retinex算法，通过对比处理前、后的图像的直方图，而直方图是一副图像各灰度值在0-256的分布个数的表，信息论已经整明，具有均匀分布直方图的图像，其信息量是最大的。

ppt共有59页，讲解的十分详细，对于何提出的暗通道先验算法去雾有了非常详细的解释，看后十分有收获。

matlab图像去雾。本设计为处理视频下的雾霾。带界面，多算法，有评价指标，播放去雾前后的视频。创新点：雾霾影响行车导航系统，如果这套算法移植于行车记录仪上面，那么开车的时候可以实时清晰看到路况。提高行车安全。

代码运行效果图见压缩包

何凯明图像去雾的算法MATLAB实现 以及改进