CSDN佛怒唐莲上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博客文章底部QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作

Retinex与暗通道融合的海参图像去雾方法

车联网（Vehicular Ad hoc Networks，VANETs）在高速公路上具有车辆高速行驶、密度低、通信基础设施稀缺、车辆连通性低等特点，使得高速公路上的车辆难以实现对其他车辆或路边单元（Road Side Unit，RSU）的内容访问。提出了一种在高速公路服务区利用雾计算以协助车辆获取感兴趣内容的模型。该车辆雾计算（Vehicle Fog Computing，VFC）模型中，高速公路服务区收集来自各个地方的车辆提供的各种服务，将大量的停泊车辆和慢速行驶车辆作为雾设备。通过VFC本地化转发，不仅减少了通信延迟，还实现了令人满意的内容访问和实时数据流传输。此外，对通信能量消耗与系统延迟之间的关系进行公式化，并在雾计算中采用了外部近似（Outer Approximation，OA）算法来优化其权衡。仿真结果表明，通过采用雾计算和云计算结合的通信模式和均衡优化算法，随着能量消耗的增长，系统的通信延迟会明显地降低。

基于雾计算的交通灯智能调控研究，申江，樊秀梅，随着国家经济的飞速发展和国家对城市化建设的大力支持，人们在得益于日趋完善的道路基础设施所带来的交通便利的同时，给城市的交

面向智能家居的轻量级雾计算架构，高登云，杨贯中，雾计算将云计算范例扩展到网络边缘，并为最终用户提供数据、计算、存储和应用服务。与云计算相比，雾计算更接近用户，具有低延迟

1. 是DehazeNet的一个实现，利用透射图来得到去雾图像； 2.pytorch版本，已经针对户外和室内训练好，同时OTS和ITS的测试数据集在里边； 3. 对于不同的测试场景，需要修改预训练权重对应户外和室内； 4. 会在结果中同时保存透射图估计和最终的去雾图像； 5. 代码附有全部细节的注释，非常详细便于学习。

该程序是Retinex去雾算法的仿真实现，亲测有效

NH-HAZE数据集源于以下paper: [1] C.O. Ancuti, C. Ancuti, R. Timofte "NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images", IEEE CVPR NTIRE Workshop, 2020 [2] C.O. Ancuti, C. Ancuti, F.A. Vasluianu, R. Timofte et al. "NTIRE 2020 Challenge on NonHomogeneous Dehazing", IEEE CVPR NTIRE Workshop, 2020

基于Matlab图像去雾系统（彩色，灰色均可处理，多方法对比，GUI框架）

matlab图像融合源码 Haze-Removal-Project 主要参考文献 Visibility in bad weather from a single image Guided image filtering Fast Haze Removal Algorithm for Surveillance Video 这是一篇讲如何对视频进行快速去雾的文章，没涉及到具体的算法，不过可以看看。 Fast image dehazing using guided joint bilateral filter Efficient Image Dehazing with Boundary Constraint and Contextual Regularization 何恺明之前单幅图像去雾的经典方法是： （1）最大化局部对比度：R. Tan, Visibility in Bad Weather from a Single Image, CVPR’08 （2）独立成分分析：R. Fattal, Single Image Dehazing, SIGGRAPH’08 新的成果： 下面试几篇比较新的