针对交通场景图像中由于雾霾导致的图像目标主体不清晰,影响监控效果的问题,提出一种基于导向滤波与自适应色阶调整的改进暗通道图像去雾新方法.首先,基于暗通道原理对原始图像进行映射处理,从而得到大气光成分与透射率的估计值,并利用多维导向滤波方法对大气透射率估计值进行优化处理;然后,根据图像降质过程的逆过程,求解雾霾图像清晰化处理初始结果;最后,利用多通道自适应色阶调整方法进一步优化初始结果,解决初始结果整体亮度较暗、不利于监控系统后期处理的问题.实验结果表明,清晰化处理后的图像具有较高的亮度和对比度值,较好地保留并增强了图像的边缘和细节信息,算法去雾霾效果显著,针对交通场景图像处理的自适应性较高.

水下图像成像过程与雾天图像类似, 但传统的去雾方法用于水下图像处理效果欠佳。针对水下捕获图像存在颜色衰减严重和蓝(绿)色基调的问题, 提出了一种基于改进暗原色先验和颜色校正的水下图像增强方法。结合光在水下的传播特性, 对空气中的暗原色先验去雾算法进行改进, 在求取水下暗原色通道和图像背景光时考虑红色通道的逆通道; 提出先采用改进的水下暗原色先验法去除后向散射光, 再通过白平衡算法对增强后的水下图像进行颜色校正的方法。实验结果表明, 相比于传统算法, 本文的方法在处理后向散射严重的水下图像时, 可以获得更高的清晰度和对比度。

程序：直接更换成你的图片位置信息即可运行。去雾效果良好，也可去云（薄云）

受到有组织昆虫群落中各种颜色的蚂蚁的启发，我们提出了一种新颖的蚂蚁系统，该模型具有“减色”三种主要颜色的颜色混合模型，用于共同估算要在多传感器多传感器系统中启动的轨道的数量及其各自的轨道。目标系统。 首先，假定每个蚂蚁一直都只沉积一种类型的有色信息素，即青色，洋红色或黄色，并且蚂蚁的决定取决于有色信息素与待访问候选者的相似性比较。 然后，提出了三维参数空间上的混合优化函数，以利用以下蚂蚁开发最佳解决方案，从而产生一组关注的青色，品红色或黄色轨迹。 最后，针对未知数量的轨道引入了新的轨道起始评估度量，即最佳子模式分配（OSPA）距离。 仿真结果表明，在无杂物环境和杂乱环境下均具有良好的性能。

为了研究显示设备的原色光谱对色觉正常观察者的颜色分辨差异影响, 选择了5台红绿蓝三原色光谱能量分布不同的显示设备, 基于国际照明委员会推荐的5个颜色中心, 组织了30名年龄分布在20~27岁的色觉正常观察者基于5台显示设备开展颜色匹配实验。同时用108个颜色匹配函数对颜色匹配过程进行了模拟计算, 将计算结果与颜色匹配实验结果进行比较, 并用同色异谱指标量化不同显示设备对观察者差异性的影响, 发现模拟计算结果与颜色匹配实验结果具有较好的一致性。基于实验选取的4台待匹配设备与目标设备进行颜色匹配实验, 采集到285个CIELAB色差数据, 同色异谱指标的最大值为9.59, 最小值为3.89。显示设备的原色光谱对观察者同色异谱的影响较大, 红色受设备的影响低于黄色和蓝色。

海天线提取加图像去雾，用暗原色先验理论与改进海天线提取加图像去雾，用暗原色先验理论与改进

何凯明先生09年CVPR会议最佳论文，Single Image Haze Removal Using Dark Channel Prior，中英文都有，并且有何恺明在CVPR会议上演讲时的ppt——基于暗通道先验的单幅图像去雾技术，并且有何凯明公开的源码guided-filter-code。

由何恺明教授发布的基于暗原色先验的单一图像去雾方法论文的中文翻译

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

何恺明的暗原色先验图像去雾代码 用导向滤波代替软图像抠图来计算透射率分布