propsX1. 项目概述
在计算机视觉和图像处理领域，图像去雾技术一直是一个重要的研究方向。雾天拍摄的图像往往存在对比度低、颜色失真和细节模糊等问题，严重影响后续的图像分析和识别任务。HESLIP融合算法通过结合暗通道先验（HE）和对称对数图像处理（SLIP）两种技术的优势，有效解决了传统去雾方法在颜色保真和细节恢复方面的不足。
这个项目提供了一个完整的Matlab实现方案，包含了从理论推导到实际代码实现的全过程。算法在公开数据集上的测试表明，相比单一的去雾方法，HESLIP融合算法在SSIM指标上平均提升了15%以上，特别是在浓雾场景下表现出色。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 算法原理详解
2.1 暗通道先验理论
暗通道先验是基于对户外无雾图像的统计观察得出的重要结论：在绝大多数非天空的局部区域中，至少有一个颜色通道的某些像素值非常低，甚至接近于零。这一现象可以用数学公式表示为：
code复制I_dark(x) = min(y∈Ω(x))[min(c∈{r,g,b})I_c(y)]
其中，Ω(x)表示以像素x为中心的一个局部区域，通常取15×15的大小；I_c(y)表示图像在y位置c颜色通道的强度值。
在实际应用中，我们首先计算输入图像的暗通道图，然后通过以下步骤估计透射率：
- 从暗通道图中选取亮度最高的0.1%像素
- 计算这些像素在原始图像中的平均亮度值，得到大气光A的估计
- 根据公式计算透射率图：t(x)=1-ω min(y∈Ω(x))[min(c)I_c(y)/A_c]
这里ω是一个调节参数，通常取0.95，用于保留少量雾气以保持场景深度感。
2.2 对称对数图像处理
SLIP是一种基于人类视觉特性的非线性图像增强方法。它的核心思想是通过对数变换来增强低照度区域的对比度，同时保持高亮度区域的细节。SLIP变换的数学表达式为：
code复制S(I) = sign(I) · log(1 + |I|/ε)
其中，ε是一个很小的正常数（通常取1e-3），用于避免除零问题；sign(I)保留了原始像素的符号信息。
SLIP的逆变换为：
code复制S^(-1)(I) = sign(I) · ε · (e^|I| - 1)
这种变换在低像素值区域具有更高的灵敏度，能够有效增强雾图中被模糊的细节信息。