针对传统的单幅图像去雾算法容易受到雾图先验知识制约及颜色失真等问题,提出了一种基于深度学习的多尺度卷积神经网络(CNN)单幅图像去雾方法,即通过学习雾天图像与大气透射率之间的映射关系实现图像去雾。根据大气散射模型形成雾图机理,设计了一个端到端的多尺度全CNN模型,通过卷积层运算提取有雾图像的浅层特征,利用多尺度卷积核并行提取得到有雾图像的深层特征,然后将浅层特征和深层特征进行跳跃连接融合,最后通过非线性回归得到雾图对应的透射率图特征,并根据大气散射模型恢复出无雾图像。采用雾图数据集对该模型进行训练测试。实验结果表明,所提方法在合成有雾图像和真实自然雾天图像的实验中均能取得良好的去雾效果,在主观评价和客观评价上均优于其他对比算法。

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-Image-Dehazing-Enhazing:图像去雾、图像增强、灰度直方图均衡化等

MATLAB暗通道图像去雾； 可进我主页查看程序运行效果视频； 1、根据暗通道计算透射率； 2、计算大气光值； 3、选择适合的亮度补偿值；

本GUI界面为图像去雾系统，使用matlab实现的功能有4点： 1.使用全局直方图均衡化的方法实现给有雾图像去雾。 2.使用Retinex算法实现给有雾图像去雾。 3.使用暗通道算法实现给有雾图像去雾。 4.使用加雾算法给无雾图像添加雾，然后再用3个算法实现去雾，得到处理后的图像。 5.通过直方图对比，观察处理前后直方图的区别。保存处理后的图片。

基于何凯明博士的暗原色原理的去雾方法的实现，Single Image Haze Removal Using Dark Channel Prior

该代码是基于可见边的图像质量评价程序，matlab实现，里面附着相应的文献及测试图像。

用matlab实现图像去噪，对图像进行均衡化。