大气中的分子和气溶胶对紫外光具有强烈的散射作用，因此紫外光在大气中可实现非视距传输。在紫外探测中,收发端的距离较近，为了研究探测过程中紫外光的传输特性，通过蒙特卡罗方法建立多次散射模型，并采用指向概率法对模型进行优化。在收发端轴线共面以及非共面的情况下，对探测到的脉冲响应以及能量密度进行仿真分析，并针对不同大气条件进行仿真。仿真结果表明：紫外激光探测与远距离目标探测不同，偏转角对近距离目标探测的影响较大；在散射系数和吸收系数较大时，收发端距离较近目标的回波信号较强。由仿真结果可以得到紫外光在大气中的传输特性，为今后紫外激光探测的具体设计提供了理论依据。

一种基于深度的图像雾效模拟算法，高仁杰，王祎，雾是自然场景中常见的天气现象，雾效的存在能够提升虚拟场景的真实感，并能为真实场景带来艺术美感效果。在基于机器学习的雾相关

研究大气散射、水散射问题。

利用大气散射模型的图像去雾研究，朱宁波，阮俊冬，为了获取清晰的去雾图像，提出一种基于暗原色先验和边界约束的单幅图像去雾算法。首先采用暗原色理论和边界约束理论分别获得天空

针对雾霾图像中含有高亮、大面积浓雾，天空区域无法清晰识别，求取出的图像偏暗、色彩失真的问题，提出了一种基于暗通道先验的自适应阈值分割和透射率补偿的去雾改进算法，通过OSTU阈值分割将图像分为前景区域和背景区域，求取亮暗通道，并通过统计函数计算出前景区域和背景区域所占的像素比例，加权求取大气光值。通过透射率补偿参数K的引进,使得求取的透射率更接近真实值，最后通过CLEAR法进行色度调整。实验结果表明，该法去雾后的图像细节信息保留完整，失真度减小，视觉上更加真实自然，信息熵平均提高7.03%，SSIM平均提高5.56%，MSE平均减小9.19%。

针对暗通道先验在天空区域的失效问题,提出了一种基于亮度模型融合的改进暗通道先验图像去雾算法。首先通过Canny算子分割得到天空区域与非天空区域;其次,利用亮度模拟景深,重构亮度透射率,并通过与暗通道透射率的融合构成天空区域透射率,最后的透射率图经由快速引导滤波进行精细化处理;大气光值选择抗干扰能力更强的天空区域中像素强度值前0.1%的像素中值;最后,经由大气散射模型恢复出无雾图像。实验结果表明,该算法针对含雾图像能够有效地恢复出图像的细节并抑制光晕现象,明亮度适宜,颜色自然。

本PDF为《Optical of the Atmosphere-Scattering by molecules and Particles》McCartney, E. J.所著原版，详细介绍了大气散射物理模型的推导过程，分享给大家。

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。

（1）对传统图像去雾领域的一些典型去雾算法进行深入分析，并与基于深度学习的图像去雾算法进行性能对比分析。本文在经典图像去雾数据集 RESIDE 和 O-HAZE 上进行实验，并采用无参考图像质量评估指标以及运行时间来衡量多种典型图像去雾算法的去雾效果。实验结果表明基于深度学习的去雾算法不仅具有不错的去雾效果，而且在单幅图像上的去雾效率更高。 （2）针对目前去雾网络模型训练参数过多，影响图像去雾效率的问题，本文提出一种新的基于轻量级网络的图像快速去雾模型 FAOD-Net 用于单幅图像去雾。 FAOD-Net 模型基于轻量化的体系结构，该体系结构使用深度可分离卷积来构建轻量级卷积神经网络。此外，本文在 FAOD-Net 模型中添加了金字塔场景解析网络来聚合图像不同区域的上下文信息，从而提高网络模型提取全局信息的能力。本文使用 RESIDE 训练集来训练 FAOD-Net模型，并在RESIDE 测试集上进行了广泛的实验，使用全参考和无参考图像质量评估指标来衡量去雾效果。实验结果表明 FAOD-Net 模型在去雾效果和速度上均具有令人满意的结果。 （3）针对目前图像去雾算法易导致去雾后的图像出现颜色失真的问题，本文提出一种新的基于颜色特征提取卷积网络的图像去雾模型 CIASM-Net。CIASM-Net 模型包括颜色特征提取卷积网络和深度去雾卷积网络。其中，颜色特征提取卷积网络用于提取有雾图像 RGB 颜色空间的特征，深度去雾卷积网络改进了逆大气散射模型卷积网络 IASM-Net，并使用多尺度卷积层来估计透射率图。此外，本文在 CIASM-Net 模型中添加了金字塔场景解析网络来提取全局特征。本文使用经典的 RESIDE 训练集来训练 CIASM-Net 模型，在 RESIDE 测试集上的实验结果表明 CIASM-Net 模型具有令人满意的去雾效果。

针对颜色衰减先验去雾算法存在的透射率估计不准确、整体颜色偏暗及去雾效果欠佳等问题,提出一种基于改进动态大气散射系数函数的图像去雾方法。首先,定义大气散射系数,其为一种图像景深与图像景深指数函数乘积形式的函数。其次,利用平均梯度和信息熵相结合的归一化综合评价参数(CEP)对随机选取的非均匀雾图像进行实验,确定动态大气散射系数函数的两个最佳参数分别为1.3和0.5。最后,借助天空区域透射率纠正算法来校正动态大气散射系数函数。实验结果表明,所提方法能够有效地解决原去雾算法存在的问题,从而进一步提升了图像去雾效果。