1.一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于按如下步骤进行：利用SLIC超像素分割将有雾图像划分成一系列图像块；利用正态分布标准化和Sigmoid非线性映射，构造归一化暗通道图和归一化细节图，生成一个亮度和结构细节加权融合的特征图，自适应地选取反映大气光的图像块并估算理想的大气光值；以散射系数为自变量，构造一个边缘和色调保真度联合约束优化的目标函数，进而采用基于斐波那契法的一维最优化搜索，在保证色调保真度的前提下计算自适应散射系数和透射率图，最终实现基于大气散射模型的图像去雾；

按如下步骤进行：

步骤1.输入一幅含雾图像I，令其高度和宽度分别为H和W；

步骤2.采用SLIC超像素算法分割含雾图像I，得到各个超像素块所对应的像素坐标集合 所述Ωi表示第i个超像素块的像素坐标集合且1≤i≤Nsp，Nsp是用于表示超像素块总数的预设常数；

dark

步骤3.利用最小值滤波计算含雾图像I的暗通道图J ；

步骤4.将含雾图像I的颜色空间转换为YCbCr，并令其亮度分量为IY；

步骤5.计算IY的多尺度融合细节图

步骤6.利用尺寸为s的正方形结构元素，对多尺度融合细节图 进行形态学腐蚀运算，得到步骤7.采用形态学区域填充运算，对 进行8‑连通区域填充处理，得到步骤8.计算含雾图像I的归一化暗通道图步骤9.计算亮度分量IY的归一化细节图步骤10.利用亮度和结构细节加权融合的方法计算含雾图像I的加权融合特征值F(i)；

步骤11.根据计算含雾图像I的大气光值A；

步骤12.计算场景深度图D；

步骤13.对含雾图像I进行基于大气散射模型和约束优化的去雾操作；

步骤13.1建立边缘和色调保真度的客观评价模型vif；

所述In表示vif的基准图像，Ot表示vif的待评价图像，y表示In和Ot中任意像素的坐c标，In (y)表示图像In的颜色通道c中位于坐标y处的值，OtY表示图像Ot的亮度分量，表示梯度算子，var(·)表示计算方差的算子，MSCN(·)表示去均值对比度归一化MSCN算子，λ和ξ均是预设常数，θ(·)表示色调角度估计函数，其定义如下；

所述p表示像素值，pR表示p的红色分量，pG表示p的绿色分量，pB表示p的蓝色分量；

步骤13.2建立基于大气散射模型的去雾模型所述β表示散射系数， 表示 在坐标x处的去雾结果；

*

步骤13.3建立边缘和色调保真度联合约束优化的目标函数β；

步骤13.4采用基于斐波那契法的一维最优化搜索求解目标函数，进而得到最佳散射系*数β；

步骤13.5采用下式给出的基于大气散射模型和最佳散射系数的去雾模型对含雾图像I进行处理，得到去雾后的图像ρ；

c

所述ρ(x)表示图像ρ的颜色通道c中位于坐标x处的值且c∈{R,G,B}；

步骤14.输出去雾后的图像ρ。

2.根据权利要求1所述的一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于所述步骤5按照如下公式计算：所述 表示 中位于坐标x处的值，IY(x)表示IY中位于坐标x处的亮度值，Gδ表示标准差为δ的高斯平滑核，“*”表示卷积运算，(IY*Gδ)(x)表示IY(x)与Gδ执行卷积运算后的值，δ1、δ2和δ3均是预设常数；

所述步骤8按照如下公式计算：

dark dark

所述 表示 中位于坐标x处的值，μ 表示暗通道图J 中所有像素值的数dark dark

学期望，σ 表示J 中所有像素值的标准差；

所述步骤9按照如下公式计算：

blur

所述 表示 中位于坐标x处的值， 表示 中位于坐标x处的值，μblur

表示 中所有像素值的数学期望，σ 表示 中所有像素值的标准差。

3.根据权利要求2所述的一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于所述步骤10按照如下步骤进行：步骤10.1令i←1；

步骤10.2计算第i个超像素块的亮度特征值f1(i)；

所述|Ωi|表示第i个超像素块的像素数量；

步骤10.3计算第i个超像素块的结构细节特征值f2(i)；

步骤10.4计算第i个超像素块的亮度和结构细节加权融合特征值F(i)；

F(i)＝f1(i)+f2(i)

步骤10.5令i←i+1，若i≤Nsp，则返回步骤10.2，否则转入步骤11。

4.根据权利要求3所述的一种边缘和色调保真度联合约束优化的单幅图像去雾方法，其特征在于所述步骤11按照如下公式计算：c

所述A表示A的颜色通道c且c∈{R,G,B}，Ωk表示第k个超像素块的像素坐标集合，|Ωk|表示第k个超像素块的像素数量。