清晰的图像画面对机器视觉系统在实际中的应用至关重要。然而无论是在夜间有霾 或沙尘天气下的交通导航、安防监控，还是在城市地下交通建设、或铁路隧洞挖掘、或 矿产开采等各种地下施工的安全监控应用中，现有的机器视觉系统都面临如下几个图像 问题的共同挑战：①弱光低照引起的低亮度、低对比度；②多光源发光互扰引起的高亮 光模糊；③灰尘及水汽等悬浮颗粒引起的尘雾模糊。本项目针对上述问题求解所涉及关 键理论及方法进行研究。主要研究内容和成果如下：1）分别构建了低照环境下雨雾图像 退化模型和沙尘雾霾图像退化模型；2）提出基于深度集成网络的低照雨雾图像增强方法 ；3）提出基于halo抑制的DCP沙尘图像增强方法；4））提出一种带颜色恢复的沙尘图像 限制性直方图均衡增强方法；5）提出一种基于直方图相似先验及边界约束的沙尘图像增 强方法；（6）提出一种基于上下文引导的生成对抗网络图像去雾霾方法。相关研究内容 在国内外学术期刊、会议上发表及投稿学术研究论文5篇，其中SCI检索3篇，培养博士生 1名、硕士生5名。 本项目研究成果将为解决弱光低照与多光源互扰及尘雾环境下的图像清晰化复原问 题提供新的理论和方法，对提高计算机视觉系统在复杂环境下的应用具有重要意义。该 研究成果与我国的经济和社会发展密切相关，对交通导航、安防监控、遥感监测等技术 领域都有着积极的指导作用。