众所周知,在我们获取信息的各种类型中,图像信息占据了多数部分的比例,由于图像内容直观,并且所含信息量也相当丰富,因此较容易被人们所接受。然而随着环境的污染使得近年来的雾霾气候现象日益加剧,即便是在正常的天气情况下也会出现有雾现象,如雨雾、晨雾等,这类雾天给一些重要场景的视频图像监控带来了障碍,因为雾霾天气的原因使获取到的图像模糊不清,甚至掩盖了重要的图像细节特征,如道路行车安全监控等,这类图像的质量下降会对公共安全产生较大危害,因此对含雾图像的去雾增强显得颇为重要。图像增强在图像处理领域有着非常重要的作用,其一般通过提取我们感兴趣的图像特征细节或去除影响图像视觉效果的成分来达到改善图像质量的目的,以方便后续的图像处理。图像增强所用方法包括了提升图像对比度、图像锐化、图像清晰化以及图像去噪等,一般会根据不同的图像特征采用不同的方法。本文讨论的图像去雾增强方法就是针对特殊环境气候而导致的图像质量问题所提出的,就雾霾天气条件下的图像清晰化问题,图像去雾增强成为了图像处理领域的热点问题之一。本文基于小波变换多尺度分解理论,在分析了雾霾天气下图像特点及小波变换系数分布特征之后,结合现有图像增强方法,提出了一种基于多尺度子带划分的自适应图像去雾增强方法,主要内容如下:1首先选择合适的尺度函数和小波函数,对图像进行相应的多尺度小波分解,得到图像在尺度J上的近似系数(也就是尺度系数)和更高尺度上的细节系数(也就是小波系数),为使图像增强方法具有一定的自适应能力,本文解决了在图像多尺度分解过程中的最佳分解层数的问题,在分析了现有的确定最佳分解层数方法,同时结合含雾图像特征,提出了一种基于图像熵值差的半回退噪声序列检验方法。2其次在确定了分解层数之后,图像经小波变换的各层小波系数也就确定下来了,这时需要对小波系数进行筛选划分,本文根据软阈值法及小波系数变化特点,提出了在不同尺度不同方向子带图像设定局部性阈值的方法,这种阈值处理方法相比软阈值法来说阈值划分的精度更为精细,也更为合理。3最后经过以上两个主要步骤,对阈值处理后的小波变换系数和保留的近似子带图像做小波逆变换重构出目标图像。实验结果表明,针对雾霾天气条件下生成的类似含雾图像,本文方法较好的提高了图像清晰度和对比度,并改善了图像的整体视觉效果。