1. 研究目的与意义
随着科学技术越来越先进，对于多媒体图像的处理技术如今已经被越来越广泛的应用到各个领域当中。
但是这一技术有严重的限制条件即是图像的来源由于受到种种天气因素的影响例如：大雾天、雨雪天气、雾霾灰尘等，从而使得由摄像机得到的图像受到了或大或小的程度的弱化和模糊，导致图像尤其是景物的边缘变得模糊不清，失去了原有的高对比度，严重时还会致使图像的色彩信息失真或偏移。
为了能够使身处个各个领域的、在应对各种恶劣的极端的天气轻快下的监控系统都可以正常的工作，所以我们需要对这些退化了图像进行图像增强，使之清晰的处理方法。
2. 课题关键问题和重难点
去雾是一个具有挑战性的问题，因为雾取决于未知的深度。
其据局限性在于是否输入的只是一个有雾的图像。
近年来提出的一种以先验为前提的快速有效的基于物理模型的去雾方法受到了很多学者的关注，这是来源于何凯明博士的基于先验的方法，利用颜色通道的方法，利用自然界的固有模型和规律为前提来复原图像，能耐够更加简洁明了。
3. 国内外研究现状（文献综述）
现如今，雾霾是大部分城市经常会出现的天气状况。
雾霾不仅仅会伤害人体健康，还会对人们的生活出行，监控信息的获取情况造成极大的影响。
获取到的图像明显退化，包括颜色出现失真，对比度有所降低，细节也变得模糊不清等。
4. 研究方案
暗通道先验是对户外大量的无雾图像进行统计得出的规律。
人工去除图像的天空区域后图像中总有一些像素的亮度值比较低，这些低的像素被称为暗像素，对于彩色图像三个颜色通道中起码有一个颜色通道的强度值比较低。
这些强度值很低的像素组成的图像称为暗通道。
5. 工作计划
第一阶段：拟写开题报告，并且征求老师的意见；第二阶段：完成英文翻译并请老师检查第三阶段：仔细阅读任务书；第四阶段：文献调研,仔细研读相关的论文文档；第五阶段：设计基于暗通道先验去雾方法 第六阶段：学习Python语言并且实现基于暗通道先验的方法对图片进行去雾优化第七阶段：用Python语言完成基于暗通道先验的方法设计与实现的代码实现后将相关数据记录并且撰写论文第八阶段：答辩准备，接受老师的检查并且对论文进行检查完善第九阶段：上交论文及答辩。
以上是毕业论文开题报告，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。
