NH-HAZE数据集源于以下paper: [1] C.O. Ancuti, C. Ancuti, R. Timofte "NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images", IEEE CVPR NTIRE Workshop, 2020 [2] C.O. Ancuti, C. Ancuti, F.A. Vasluianu, R. Timofte et al. "NTIRE 2020 Challenge on NonHomogeneous Dehazing", IEEE CVPR NTIRE Workshop, 2020

基于Matlab图像去雾系统（彩色，灰色均可处理，多方法对比，GUI框架）

matlab图像融合源码 Haze-Removal-Project 主要参考文献 Visibility in bad weather from a single image Guided image filtering Fast Haze Removal Algorithm for Surveillance Video 这是一篇讲如何对视频进行快速去雾的文章，没涉及到具体的算法，不过可以看看。 Fast image dehazing using guided joint bilateral filter Efficient Image Dehazing with Boundary Constraint and Contextual Regularization 何恺明之前单幅图像去雾的经典方法是： （1）最大化局部对比度：R. Tan, Visibility in Bad Weather from a Single Image, CVPR’08 （2）独立成分分析：R. Fattal, Single Image Dehazing, SIGGRAPH’08 新的成果： 下面试几篇比较新的

暗通道去雾，含有导向滤波，效果相当好，

ASTM-B117-2016-操作盐雾测试机的标准实验方法(中文)

何凯明博士2009年的论文（暗通道去雾）Single ImageHaze Removalusing Dark Channel Prior中的代码实现，可以直接运行的程序。

行人检测是实现智能交通与客流监控的关键技术，深度学习方法训练模型已经在行人检测领域取得了良好的效果。但是当训练样本质量不佳时，训练的模型往往不能得到令人满意的效果。为了提高雾霾天气与曝光较强环境下的行人检测效果，提出了将暗通道去雾算法应用于深度学习的样本预处理中，并使用快速深度卷积神经网络训练行人检测模型。在实验中，首先对10000张样本图片采用暗通道去雾算法进行预处理，之后分别使用有无暗通道去雾算法预处理的样本图片训练模型，最后比较这两种模型在不同场景下的模型检测准确率。实验结果表明，使用暗通道去雾预处理后的样本训练得到的深度模型具有更好的检测效果，在多种场景下的检测率都得到提升。

有借鉴了两个源代码，并对CSS部分进行了修改。祝学弟学妹们都顺利通过B测。做的是网页版的雾霾探测。

基于局部直方图去雾算法MATLAB

测试过、有些小问题、具体可以下载测试。智慧点餐扫码点餐小程序系统。