1.一种基于变分Retinex模型的雾天图像增强方法，其特征在于，包括如下步骤：步骤1，获取雾天图像I(x，y)；

步骤2，对雾天图像进行反转操作获得虚拟暗图像；

步骤3，基于变分Retinex模型，对虚拟暗图像的入射分量进行求解；

步骤4，利用天空识别方法识别出雾天图像中的天空区域及非天空区域；

步骤5，基于雾天图像的天空区域及非天空区域的识别结果对入射分量图进行修正；

步骤6，利用修正后的入射分量图获得经过天空区域修正后的、消除雾气后的清晰图像；

步骤7，对图像的像素强度进行全局调整，获得增强后的雾天图像；

步骤2中，对雾天图像进行反转操作如下：S(x，y)＝1‑I(x，y)    (1)式(1)中，I(x，y)是雾天图像，S(x，y)是相应的虚拟暗图像；

步骤3中，变分Retinex模型为：式(2)中，S(x，y)是待增强虚拟暗图像，L(x，y)是相应的入射分量图，Ω是有界图像空间域， 为图像边界，是边界法向量，α和β分别是用来调节各项权重的非负参数；

对虚拟暗图像的入射分量进行求解时，利用中心像素邻域的梯度特征进行快速逼近，将中心像素的邻域一阶差分的均方和构成其邻域梯度特征，由于一阶差分近似表达为相邻像素的差值，因此式(2)改写为：式(3)中，i是邻域像素索引，r是邻域半径，当式(3)的导数为0时，入射分量即可取得最优解，即：

对式(4)整理得：

由式(5)可见，入射分量的求解仅涉及分子中的第一项，于是使用简单迭代求解方式来有效降低算法复杂度，即：

式(6)中，j是迭代次数索引，再利用导向变分模型对虚拟暗图像S(x，y)的灰度图进行

0th

保边平滑滤波操作，并将滤波结果作为对入射分量迭代求解的初始状态L (x，y)，设置迭代终止条件为 迭代终止便获得虚拟暗图像S(x，y)所对应的入射分量图L(x，y)。

2.根据权利要求1所述的基于变分Retinex模型的雾天图像增强方法，其特征在于，步骤4中，利用天空识别方法识别出雾天图像中的天空区域及非天空区域时，先定义一个雾天图像天空区域特征模型：

式(7)中，FI(x，y)是雾天图像中各像素的天空区域特征值， 和分别是雾天图像的梯度分量、RGB色彩强度差异值和亮度分量，是雾天图像的全局亮度均值；

再利用式(7)提取雾天图像中各像素的天空区域特征，并将高于全图的天空特征中位值的像素认定为天空区域Ωsky，其余区域认定为非天空区域Ωnon‑sky。

3.根据权利要求2所述的基于变分Retinex模型的雾天图像增强方法，其特征在于，步骤5中，对入射分量图L进行修正如下：refined

式(8)中，L (x，y)表示修正后的入射分量图。

4.根据权利要求3所述的基于变分Retinex模型的雾天图像增强方法，其特征在于，步refined

骤6中，利用修正后的入射分量图L (x，y)代入公式(9)获得反射分量图R(x，y)，再通过将反射分量图R(x，y)进行反转操作，便可获得经过天空区域修正后的、消除雾气后的清晰refined

图像J (x，y)，即：

refined

式(9)中，L (x，y)表示修正后的入射分量图，S(x，y)是虚拟暗图像。

5.根据权利要求4所述的基于变分Retinex模型的雾天图像增强方法，其特征在于，步骤7中，对图像的像素强度进行全局调整如下：式(10)中，(x′，y′)是以(x，y)为中心的邻域Λ(x，y)中的像素，c表示RGB色彩通道，final

J (x，y)是亮度调整后的图像。