1.一种图像去雾霾及沙尘的方法，包括如下步骤：步骤1、将彩色图像用RGB空间表示：

将彩色图像转换到RGB空间，得到R空间分量图像、G空间分量图像和B空间分量图像，并将其除以255后定义为I，0

步骤2、计算自适应局部对比度参数：

预先设定一个大高斯函数和小高斯函数，其中大高斯函数的尺度波动范围为10～20,小高斯函数尺度的波动范围为0.1～2；并对这两个高斯函数做归一化处理，它们的模板大小波动范围都为3*3～10*10；

然后用步骤1得到的I与大高斯作卷积后得到的值，除以I与小高斯作卷积后得到的值，得到的结果乘以一个常数,该常数的取值范围为0.89～0.95，最终结果为自适应局部对比度参数；

步骤3、对步骤2中的得到的结果进行调整，得到调整后的自适应局部对比度参数：如果步骤2的结果大于1.15，则设定步骤2中的该结果为1.15；如果步骤2的结果小于

0.93，则设定步骤2的结果为0.93；如果步骤2的结果在0.93～1.15，则不改变；

步骤4、设定3个不同的尺度的高斯函数：

设定3个不同尺度的高斯函数，其中小尺度高斯函数的尺度波动范围为0.1～2，中尺度高斯函数的尺度波动范围为10～20，大尺度高斯函数的尺度波动范围为30～100，并且取定

3个高斯函数的模板大小的波动范围均为100*100～600*600；

步骤5、计算平滑的、模糊的图像：

将步骤1得到的I分别和步骤4得到的3个不同尺度的高斯函数进行卷积处理，得到3组共9个不同的平滑的、模糊的图像；

步骤6、估计背景信息：

将步骤3得到的结果和步骤5得到的对应结果分别相乘，得到3组共9个个不同的背景信息；

步骤7、估计细节信息：

将步骤1得到的I分别减去步骤6得到的结果，得到3组共9个不同的关于I的细节信息；

步骤8、增强步骤7得到的结果：

用sigmod函数来增强步骤7得到的结果，得到3组共9个不同尺度的增强图像；

步骤9、合成增强图像：

将步骤8中得到的3组共9个不同尺度的增强图像，分别乘以都为1/3的权值，再进行加和，得到I的合成增强图像，即得到R、G、B这3个分量的合成增强图像；

步骤10、合成彩色增强图像：

将步骤9得到的结果合成为彩色图像，即完成图像去雾霾及沙尘。

2.如权利要求1所述图像去雾霾及沙尘的方法，其特征在于：所述步骤8中sigmod函数为 x为步骤7得到的结果，sigmod(x)为步骤8得到的结果，e是自然对数，k的取值波动范围为0.4～2，设定x0的波动范围为-0.02～0.02。