1.一种基于天空区域分割的单幅图像去雾方法，其特征是，包括如下步骤：步骤1)获取雾天图像I(x,y)；

步骤2)根据图像的多视觉特征，对图像进行分割预处理；所述多视觉特征包括位置信息、亮度信息、饱和度信息和视觉显著度信息；

步骤3)根据步骤2)引入的视觉特征，每个特征都从不同的角度反映了天空区域的特点，将所有特征进行特征融合，融合为一个特征向量，作为超像素的最终特征Ci＝[Li,Fi,T

Si,Xi]，这里的Li是空间位置，Fi是亮度特征，Si是饱和度特征，Xi是视觉显著度特征；

步骤4)用SLIC超像素处理的思想对采集到的原始图像进行分割预处理，得到若干超像素；

步骤5)对于步骤4)得到的初步分割结果，用边缘检测的方法把图像分割为天空区域和非天空区域；

步骤6)在步骤5)中提取出的天空区域内，进行全局大气光估计；在天空区域的暗通道图中找到亮度最强的前0.1％的像素，并在其中选择具有最高像素强度的像素，将其定义为全局大气光；

步骤7)对于步骤5)提取出的非天空区域，采用一种平均饱和度先验的透射率估计方式；对于天空区域的透射率则认定为1；

结合天空区域和非天空区域的透射率，得到雾天图像的透射图；

利用导向滤波器对透射图进行平滑处理来消除透射率突变而产生的光晕效应；

将估计所得的各点透射率和全局大气光代入大气散射模型，恢复出相应的清晰图像；

所述步骤7)提出的采用平均饱和度先验的透射率估计方法，具体步骤如下：依据大气散射模型：I(x,y)＝J(x,y)·t(x,y)+A·(1‑t(x,y))，其中I(x,y)表示所采集到的雾天降质图像，J(x,y)为清晰图像，t(x,y)表示透射率，描述了光线在大气介质中的衰减程度，A是全局大气光，清晰图像J(x,y)表示为一个只与透射率t(x,y)有关的函数ψ(t(x,y))：

清晰图像J(x,y)的邻域平均饱和度 表示为一个仅与透射率t(x,y)有关的函数ζ(ψ(tR G B

(x,y)))，J、J、J分别对应图像J的R通道、G通道、B通道：依据平均饱和度先验知识，即清晰图像J(x,y)的平均饱和度为“0.106”，计算出符合平均饱和度先验的各像素透射率t(x,y)，具体过程如下：假设图像在一定的局部邻域范围内的透射率是恒定的，构建透射率的优化模型如下：利用黄金分割法进行求解，便可得到各像素的透射率；

步骤8)针对去雾以后图像偏暗的特点，采用一种采用导向滤波器的Retinex方法对图像进行增强：先将去雾以后的图像从RGB空间转换到HSV空间，使颜色分量和亮度分量分离，在处理过程中只对亮度分量进行增强；

步骤9)在亮度通道对输入图像进行入射分量的提取：采用导向滤波器对输入图像进行处理，估计出入射分量和光照分量，根据Retinex理论，可计算出反射分量，即增强后的清晰图像；

步骤10)将图像从HSV空间转换回RGB空间，输出最后的彩色图像。

2.根据权利要求1所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述步骤3)的具体步骤如下：

各个特征的相似度度量标准如下：

位置空间的距离 式中xk是种子像素点横坐标，yk是种子像素点纵坐标，xi是种子像素点邻近距离的一定范围内各个相邻像素点的横坐标，yi是种子像素点邻近距离的一定范围内各个相邻像素点的纵坐标；

亮度相似度度量dF＝|Ik‑Ii|，式中Ik是种子像素点的亮度特征值，Ii是种子相邻像素点的亮度特征值，且亮度特征值I＝(r+g+b)/3，其中r，g，b分别为红，绿，蓝三个颜色通道的像素值；

饱和度相似度度量dS＝|Sk‑Si|，式中Sk是种子像素点的饱和度特征值，Si是种子相邻像素点的饱和度特征值，且饱和度特征值S＝[Max(r,g,b)‑Min(r,g,b)]/Max(r,g,b)；

视觉显著度相似度度量dX＝|Xk‑Xi|，式中Xk是种子像素点的视觉显著度特征值，Xi是种子邻像素点的视觉显著度特征值；

最后像素点的总的相似度为P＝dL+dF+dS+dX，根据相似度描述判断图像局部特征的相似性。

3.根据权利要求2所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述视觉显著度特征值采用基于Lab颜色模型的视觉显著性模型数学模型，即X(x,y)＝||Iμ‑ILab(x,y)||，其中Iμ表示L,a,b颜色模型中L,a,b三个通道的平均值，ILab表示图像L,a,b颜色通道经过高斯滤波以后的对应值；

在计算得到dL，dF，dS，dX后，均进行归一化到[0,1]之间。

4.根据权利要求1所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述步骤4)中的具体步骤如下：

41)初始化种子点：假设原图像有P个像素点，超像素预期分割个数为SP，由 计算出每个超像素的初始大小为G×G，且每个种子点之间的距离近似为G；

42)在种子点的n×n邻域内重新选择种子点，n依据经验值选择；

43)在每个聚类中心周围2G×2G的像素点区域内进行聚类，不断的迭代直至误差收敛或者迭代次数大于一定次数。

5.根据权利要求4所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述步骤42)的具体方式为：计算该邻域内所有像素点的梯度值，将种子点移到该邻域内梯度最小的地方。

6.根据权利要求1所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述步骤5)中采用colorgrad的方法，直接在RGB空间检测，具体步骤如下：在梯度方向上获取边缘信息，根据梯度的定义，对于多变量函数f(x,y),定义i，j为x，y方向上的单位矢量，则f(x,y)的梯度为：假设梯度方向与X轴的角度是θ，f(x,y)的梯度大小为：对于RGB颜色空间的彩色图像，将f(x,y)扩展到三维空间为f(R(x,y),G(x,y),B(x,y))；

定义r，g，b为RGB颜色空间的R,G,B三个方向上的单位矢量，对于图像I的每个像素(x,y)，将r,g,b结合起来，得

用gxx，gyy和gxy分别代表内积，有计算出梯

度值为

进行二值化以得到纠正过的二进制边缘图像E，在二进制边缘图像里边，1代表边缘；在E里边用一个适应性的区域Ω来检测边缘，若区域Ω里的像素都满足条件则这些像素可以被认为是天空区域的一部分，其中It是强度分量的阈值，区域Ω的大小l＝max(3,max(h×ξ,w×ξ))，其中h,w是P的高度和宽度，E(y )表示变量二值化，ξ是区域尺寸调节系数。

7.根据权利要求6所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述阈值It＝0.65×Imax+0.35×Imin，Imax和Imin分别是I的最大值和最小值。

8.根据权利要求1所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述c

步骤6)中暗通道定义为 其中J 是任意图像J的一个颜色通道，Ω(x)是中心在x的一个局部块， 是对每个像素取最小值， 是最小值滤波。

9.根据权利要求1所述的一种基于天空区域分割的单幅图像去雾方法，其特征是，所述步骤9)采用基于导向滤波器的Retinex方法增强图像的具体步骤如下：

91)根据Retinex图像增强理论，即人眼所看到的图像S(x,y)由入射分量L(x,y)和反射分量R(x,y)组成，表示为S(x,y)＝L(x,y)×R(x,y)；

92)把亮度通道值Jv(x,y)作为引导图像，则输出图像q在窗口中心位于k，半径为z的方框ωk内是Jv(x,y)的线性变换qi＝akJi+bk, qi是方框ωk内任意一点i处的输出图像的值，Ji表示引导图像Jv(x,y)在方框ωk内任意一点i处的值，ak，bk在方框ωk内是恒定的常数；

93)通过求解方程 的最优解得出其中μk是J在窗口ωk中的均值， 是J在窗口ωk的方差，|w|是窗口ωk中像素的数量， 是待滤波图像p在窗口ωk内的均值，即pi表示待滤波图像p在窗口内任意点i处的值，ε是规整化因子；

94)具体求某一点的输出值时，将所有包含该点的线性函数值平均其中

95)用导向滤波方法估计出光照分量L＝Guidefilter(Jv,z,ε)，根据Retinex理论S(x,y)＝L(x,y)×R(x,y)，得出反射分量R(x,y)，即增强后的图像。