一种实时的图像去雾算法，速度快，效果好

贝叶斯框架下的单幅图像去雾算法 王多超 王永国 董雪梅 胡晰远 彭思龙

利用深度神经网络对数据库进行训练，从而使单幅图像生成深度图，从而实现三维重构

雾霾等天气会导致室外图像可视性降低,进一步导致室外图像处理系统性能下降.本文给出一种基于单幅彩色或灰度图像的快速去雾算法.基于物理模型分析,仅利用均值滤波对环境光和全局大气光进行估计.本文算法简单有效,能够用于实时计算.实验表明,与其他算法相比较,结果具有很好的可视性.

这是Fattal 发表的单幅图像去雾的matlab代码，对某些图片好用，对某些图片不好用。Fattal运用ICA，基于图像表面阴影和大气传递函数在局部块上不相关的假设，实现去雾。

提出了一种基于深度学习的单幅图像去雾算法。利用卷积神经网络,通过学习雾天图像与清晰图像的YUV(Y代表的是亮度,UV代表的是彩度)各个通道之间的映射关系实现去雾。网络结构由两个相同的特征模块组成,主要包括多尺度卷积、卷积和跳跃连接结构。实验结果表明,无论是针对合成雾天图像数据集还是针对自然雾天图像数据集,所提去雾算法恢复的图像皆具有较高的清晰度和对比度,在主观评价和客观评价上均优于其他对比算法。

针对暗原色先验去雾算法对天空区域的透射率估计值偏小问题,提出一种改进的Otsu递归分割图像去雾方法。该方法基于图像分割的思想,利用改进的Otsu递归分割算法准确分离出天空区域,结合暗原色图像灰度归一化值对天空区域透射率估计值进行修正,优化后的透射率更加接近实际值,最后通过大气散射模型得到复原图像。实验结果表明:去雾后的图像保持真实色彩,区域交叉边界处复原自然。文中算法有效解决了天空区域出现色偏和光晕问题,拓宽了暗原色先验算法的适用范围,对户外雾天图像的去雾具有良好的应用前景。

针对暗通道先验去雾算法中透射率估值不准确以及天空区域或大面积白色区域去雾后存在颜色失真等问题,提出了一种基于超像素分割和暗亮通道结合的单幅图像去雾方法。首先采用超像素方法对有雾图像进行分割,将得到的超像素块代替暗通道固定方形滤波窗口;其次,采用暗通道与亮通道先验理论结合的方法获取透射率,使透射率估值更准确;然后,在天空区域通过阈值分割结合亮通道先验理论确定大气光值,并利用融合梯度信息的引导滤波方法优化透射率;最后根据大气散射模型恢复无雾图像。实验结果表明,所提方法得到的透射率和大气光值的估值准确,取得了良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

单幅图像的超分辨率重建算法matlab代码，运行正确，好用。

单文档mfc程序，单幅图像打开，可放大缩小，有滚动条，通过输入比例尺，可测距