摘要
雾天场景图像增强旨在提高雾霾天气下拍摄图像的清晰度和视觉效果，是计算机视觉和图像处理领域的重要研究课题。
本综述首先介绍雾天图像退化的原因和特点，以及图像增强技术的概念和意义。
接着，重点概述基于物理模型和基于深度学习的两类主要雾天场景图像增强方法，并对相关代表性算法进行详细分析和比较。
其中，基于物理模型的方法主要利用大气散射模型估计雾霾浓度，并通过逆向推导实现图像复原；而基于深度学习的方法则利用大量数据训练神经网络，学习雾霾图像到清晰图像的映射关系，从而实现端到端的图像增强。
最后，总结现有方法的优缺点，并展望未来雾天场景图像增强技术的发展趋势。
关键词：雾天场景；图像增强；大气散射模型；深度学习；图像去雾
雾霾天气下，空气中悬浮着大量的微小水滴和颗粒物，会对光线产生散射和吸收作用，导致场景图像质量下降，出现对比度降低、色彩失真、细节模糊等现象。
这种图像退化不仅影响人们的视觉体验，也给户外视觉系统，如自动驾驶、视频监控、遥感图像分析等带来了严峻挑战。
图像增强技术旨在改善图像的视觉质量或突出图像中的特定信息，是图像处理领域的基础性研究内容之一。
针对雾天场景图像退化问题，图像增强技术可以有效提高图像的清晰度、色彩饱和度和细节信息，为后续图像分析和理解提供可靠的视觉基础。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
