VolumetricLighting 体积雾

SCHALLER油雾探测器VN87PLUS

一、课题背景 雾，在很大程度上会降低能见度，因此在此情况下拍摄的图像对比度也会受到严重的影响。尤其是在智能化的今天，对于交通领域的影响表现的尤为明显。因此，找到应对这种自然现象造成的图像对比度减弱问题的解决办法对于整个领域的发展是非常有现实意义的。 近年来，随着互联网技术的不断发展，关于图像处理方面的技术也趋于成熟，特别是在户外视觉方面的进步也尤为突出。其已经不仅仅局限在户外，在其他领域也有所涉及。MATLAB本身具有非常强大的图像处理功能，通过仔细调研发现其能够将在恶劣天气条件下拍摄的图像进行处理，进一步提高图像对比度以接近于原始图像。本次研究主要使用三种算法队图像进行去雾处理。分别是局部

论文——雾计算中数据处理延迟与能耗最优化研究

雾计算是从云计算技术延伸发展出来的，专用 于云平台靠近用户终端层面的边缘数据优化存储和 调度的一项技术。主要是针对云端平台上边缘数据 的动态存储、响应效率等问题提出的一种数据存储 优化解决方案。由于云端数据存储采用的是集中式 的处理方式，对于移动接入端所产生的大量时延性 要求较高的数据的处理效果并不理想。因此这类边 缘数据的运算存储需要通过新的计算模型—雾计算 来提高数据处理效率，而雾计算中最为核心的技术 就是边缘数据存储缓冲置换技术。

天气对图像的质量有很大的影响，请利用图像分析的相关知识，实现基于暗通道先验的图像去雾算法，对有雾霾的图像进行增强。 压缩包内包括代码、测试图片、一些测试效果图片、论文原文。 （参考论文：n He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. IEEE CVPR, 2009.）

GUI 功能 可选择任意图片 可选择处理去雾方式 直方图 retinex

图像去雾算法的的原文，在本文中，我们提出了一个简单但有效的图像先验暗通道之前，从一个单一的输入图像去除混浊。暗通道先验是一种室外无雾图像的统计。这是基于一个关键的观察结果，大多数室外无雾图像中的局部斑点包含一些像素，这些像素在至少一个颜色通道中的强度非常低。利用这一先验模型，我们可以直接估计薄雾的厚度，并恢复高质量的无薄雾图像。在各种模糊图像上的结果表明了该算法的有效性。此外，作为除雾的副产品，还可以获得高质量的深度图。

去雾研究进展，图像去雾最新的研究进展，图像去雾最新的研究进展，图像去雾最新的研究进展，图像去雾最新的研究进展，

去雾算法及实现过程，何凯明博士的C++代码实现，自己学习的一个过程。