1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写

2000字左右的文献综述：

一.研究意义及背景

雾霾天气是由于现今的各种人为污染环境和自然要素所生成的恶劣天气现象，表现为空气中水滴或干尘粒过多的空气污浊现象。雾霾天气多表现为夜间和早上的时候是雾，而在白天的时候则为霾。

在近年来图像的处理水平与技术已经获得了长足的发展，并在军事、医疗、交通等方面做出了突出的贡献。但现如今，由于各种雾霾天气的干扰，使得在其环境下取得的图像并不是很清晰，也干扰了有用信息的提取。在这种情况下，交通监控、安全监控等系统就有可能无法正常运行，从而会导致危险的发生。所以研究如何使得雾霾图像去雾化和清晰化就很有意义。

而图像增强算法可以说是一种初始的图像预处理技术。这种技术可以按照处理者的意愿来对图像的有用信息进行增强并且削弱无用的信息。与此同时这种技术还具备了通过对对比度的调整并且把噪声信息抑制到一定范围来改善初始图像的各项指标，这对于之后的计算机再处理非常有帮助。图像增强算法的运用在近年来非常广泛，同时国内外也出现了各种不同的方法。

二.国内发展现状

就国内发展现况而言，对于图像增强算法的研究可以说是比较全面而充分的了。其中张利平,何金其,黄廉卿提出了基于多尺度抗噪反锐化掩模的医学影像增强算法，而在粗糙模糊理论的基础上，易国华、王英健,史绍强,唐贤瑛、张玲,黄粉平,郑恩等人也都各自提出了他们的理论与见解。王国权,仲伟波在灰度直方图的基础上对其做出了改进与创新。陈延梅,吴勃英采用数学形态学理论成功的对图像做出了有效降噪处理，而袁俊提出的自适应性数学形态学理论也相对于传统理论有了不小的改进与发展。

1.张利平,何金其,黄廉卿三人提出了基于多尺度抗噪反锐化掩模的医学影像增强算法，这种算法的特点是将初始图像转化为一个多分辨率金字塔，其细节图象就组成了金字塔的一级级台阶，并且使用非线性函数来增强各自的细节图象，然后再倒过来将已经处理过的细节图像合成为增强图像，这种方法的好处就是在处理相同的图像时背景噪声方差对比与其他的的算法显著降低^[1]。

2.(1)基于粗糙模糊理论的图像增强算法在国内也是成效显著，易国华提出粗糙集理论有两个属性：条件属性和决策属性。通过定义属性集的办法来划分要处理图像的子图像，再把所划分的子图像有机结合起来得到去除噪声后的较明和较暗的图像像素合集。随后在通过条件属性集对图像来做粗糙分类，再运用算法消除图像中的噪声。通过对处理过后的图像来提取模糊特征，最后采用对比度增强变换和逆变换，这样的话就可以得到了最终的增强图像^[2]。

(2)王英健,史绍强,唐贤瑛三人也运用了同样的理念，他们研究出了新的基于模糊粗糙集和视觉特性的图像增强算法，这种算法是一种通过与视觉特性结合来调整处理算法的算法。他们主要是用阈值和变换系数，以中值滤波算法来计算图像像素的灰度值，分出图像的噪声区和非噪声区，采用了Sobel梯度算子来算出梯度值并且区分出梯度区的大小情况，接着就是使用指数级变换通过一定的计算函数来对图像进行各方面的处理与最终的融合来获得最后的图像^[3]。这种算法的优势非常明显比如说增强图像的效果显著加强，噪声区的平滑处理非常好同时图像的整体边缘效果也得到了不错的提升。

(3)运用了类似的思路的张玲,黄粉平,郑恩让三人则是将粗糙集与反锐化掩模结合在一起，利用了粗糙集所具有的不精确的分析处理优良的性能，将所处理的图像进行不同层次的降噪，最后再通过反锐化掩模来对图像的边缘细节进行处理^[4]。这种方法的好处是不但增强效果提高了很多，还有则是在进行更多的深层处理时还可以保留最初的信息，这是这种方法在其他的方面也有不俗的效果。

3.灰度直方图作为图像的基本特征来说非常重要，对灰度直方图来采取均匀化的图像增强方法非常常见。王国权,仲伟波在此基础上做出了改进，他们修改了灰度的转换规则来使得灰度空间变得更大。同时他们也创新了通常所使用的程序，这样经过处理的图像看起来更加清晰同时所需的计算量也并没有变得更多^[5]。

4.采用数学形态学理论来对图像进行增强处理的方法也被很多人采用。陈延梅,吴勃英通过模糊逻辑和形态学分级算子与一定的定理与公式来对图像进行处理，具有着非常不错的降噪效果，同时对于显示图像的形态膨胀和噪声来说也更为直观^[6]。袁俊则是在数学形态学理论上也做出了更为详细的介绍与研究。他主要研究了形态学的基本理论和在图像上与目标提取的具体应用，为此做出了大量的实验证明了数学形态学理论不但在图像处理方面的表现十分优秀而且也很简洁易实现。同时他自己提出的自适应性数学形态学理论对比与传统方面也具备了更为优良的适应性能^[7]。

三.国外发展现状

最早的图像增强算法是由Land和Mccann在1971年提出的，但其效果与效率均不如人意，随后一大批的理论开始涌现。Jhon McCann提出了一种新的亮度模型，R. Kimmel, M. R. Kimmel, M. Elad Elad, D. , D. Shaked Shaked, R. , R. Keshet Keshet, and I. , and I. Sobel所研究出的多分辨率算法对于彩色图像的处理也十分有用。Liu Nian 提出了多尺度Retinex颜色检索算法，D.Shaked提出了一种减少复杂Retinex算法的方法。

1.Jhon McCann在他的Retinex颜色外观模型中通过以一定的算法来找出了新的计算亮度的模型^[8]。这种模型一是可以来用作视觉而还可以来用于计算和感觉方面，这些方面的应用十分广泛。

2.R. Kimmel, M. R. Kimmel, M. Elad Elad, D. , D. Shaked Shaked, R. , R. Keshet Keshet, and I. , and I. Sobel提出的公式采用了贝叶斯观点，其有助于更好地调节重建问题。他们根据所提出的变分模型表明了估计问题可以被公式化为二次规划优化问题，同时他们也提出了一种有效的多分辨率算法可以对各种彩色图像的应用具有很好的作用^[9]。

3.Liu Nian 从增强空域图像出发，描述了多尺度视网膜的理论，首先使用多尺度视网膜来实现灰度图像的增强，并详细描述了图像增强的方法和参数。再使用多尺度Retinex颜色检索算法实现图像的颜色检索^[10]。

4.D.Shaked提出了一种方法，在理论模型的完整解决方案和各种有效但有所限制的计算方法之间妥协，他们找到了一种非常棒的方法。通过对于一小组数据参数化的计算方法，他提出并分析了这种通用解决方案的几个特殊情况：查找表（LUT），线性或非线性Volterra滤波器，以及使用截断的基函数集的扩展。这种解决方案与最初的Retinex算法相比并不是多么突出，但是它们的数值实现更为有效。结果表明，他所提出的方法可以有效增强图像并减少计算工作量^[11]。

参考文献

[1]张利平,何金其,黄廉卿.多尺度抗噪反锐化掩模的医学影像增强算法[J].光电工程,2004,31(10):53-56,68.

[2]易国华.基于粗糙集和模糊集理论的数字图像增强方法[J].仪器仪表学报, 2004,25(Z1):533-534,537.

[3]王英健,史绍强,唐贤瑛.基于模糊粗糙集理论的视觉特性图像增强[J].长沙理工大学学报(自然科学版),2004,1(2):79-83.

[4]张玲,黄粉平,郑恩让.基于粗糙集与小波反锐化掩模的图像增强[J].光子学报,2008,37(6):1285-1288.

[5]王国权,仲伟波.灰度图像增强算法的改进与实现研究[J].计算机应用研究, 2004,(12):175-176.

[6]陈延梅,吴勃英.基于数学形态学的图像增强方法[J]. 哈尔滨工业大学学报,2006,38(6): 906-908.

[7]袁俊.数学形态学理论及其在图像处理中的应用[D]. 武汉理工大学,2007.

[8]Jhon McCann.Capturing a Black Cat in Shade: Past and Present of Retinex Color Appearance Models [J].McCann Imaging,Belmont:02478,2004.

[9]R. Kimmel, M. R. Kimmel, M. Elad Elad, D. , D. Shaked Shaked, R. , R. Keshet Keshet, and I. , and I. Sobel.A Variational Framework for Retinex[J].Journal of Computer Vision ,2003,52(1):7-23.

[10]Liu Nian.Multiscale retinex color image recovery enhancement algorithm[J]IEEE Transcations on Image Processing,2009 978-1:3976-3979.

[11]D.Shaked.Reduced Complexity Retinex Algorithm Via the Variational Approach [J].J.Vis.Commun-Image R,2003,14:369-388.