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。

代码运行效果图见压缩包

2009年的IEEE最佳论文翻译，基于暗通道先验的图像去雾

[1]李晓川,黄成强,祝永新,田犁,闵嘉华,汪辉.基于暗通道先验和灰度世界的自动白平衡算法改进[J].工业控制计算机,2018,31(11):90-92.

基于暗通道先验的图像去雾算法.zip

Paper - Single Image Haze Removal Using Dark Channel Prior, 论文复现 - 基于暗通道先验的图像去雾算法 Reference Paper： Single Image Haze Removal Using Dark Channel Prior - Kaiming He, Jian Sun, and Xiaoou Tang, Fellow, IEEE. Algorithm demonstration： Requirements: * Matlab toolsbox

基于暗通道先验的去雾算法研究，GUI中可以改变不同的参数，大气光值，导向滤波数值，最小滤波半径，得到不同程度的去雾结果图。有原图和去雾后图片 的对比，还有PPT说明。

夜间图像去雾对夜间场景中的视频监控、目标识别等有重要应用价值。目前夜间图像去雾研究较少，且处理结果存在失真度高、细节模糊、稳健性差等缺点。针对以上情况，结合大气散射模型和夜间雾天图像成像特点，提出基于Retinex理论和暗通道先验的去雾算法。首先，根据Retinex理论求得夜间场景的有雾入射光图像和有雾反射光图像；其次，利用暗通道先验得到场景的无雾反射光图像；然后，分别根据夜间雾天图像和有雾反射光图像求得光源位置和景深，利用相机成像机理求得场景点与各光源的距离之和，进而求得无雾入射光图像；最后，利用Retinex理论复原得到夜间无雾图像。实验结果表明，本文算法不仅能彻底去雾，提高图像对比度，更能大幅度降低去雾过程中的颜色失真。

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.

何凯明的暗通道去雾算法，算法简单明了，代码清晰易懂。