前言

由于當前安全形勢的日益嚴峻以及軍事斗爭的迫切需要，利用先進前沿的計算機視覺技術實現(xiàn)監(jiān)控視頻數(shù)據(jù)的智能感知、智能決策等智能化分析，對提供高效、準確、實時的監(jiān)控服務，增強安全性、提高效率和優(yōu)化資源利用具有重要意義。智能視頻監(jiān)控系統(tǒng)能夠解決人員因長時間、高強度關注監(jiān)控畫面而產(chǎn)生的視覺疲勞，有效降低錯檢、漏檢情況發(fā)生的可能性。上述智能視頻監(jiān)控系統(tǒng)功能實現(xiàn)的基礎條件是監(jiān)控視頻數(shù)據(jù)的準確感知，然而由于計算機尚不具備人腦強大的信息推理能力，因此智能視頻監(jiān)控系統(tǒng)對場景內(nèi)容的理解程度極大依賴于采集視頻(圖像)的質(zhì)量，然而戶外視覺傳感器由于常年受到雨等環(huán)境影響，導致采集視頻出現(xiàn)多種退化降質(zhì)現(xiàn)象。例如:在霧霾天氣下空氣中的懸浮粒子對光線傳播產(chǎn)生折射和散射作用，使視覺傳感器采集的圖像呈灰白色，導致物體特征難以辨認;在大雨條件下，雨水快速下落和聚集形成雨紋，導致視覺傳感器采集圖像的部分區(qū)域被遮擋。上述圖像降質(zhì)現(xiàn)象嚴重影響著智能視頻監(jiān)控系統(tǒng)對監(jiān)控視頻數(shù)據(jù)的準確感知，然而當前技術水平尚無法從硬件層面對上述圖像降質(zhì)現(xiàn)象進行處理，為此在現(xiàn)有視覺傳感器的基礎上如何利用計算機視覺、機器學習等技術手段，實現(xiàn)霧、雨等惡劣環(huán)境下降質(zhì)圖像質(zhì)量的增強處理，從而提升視覺傳感器的抗于擾能力和在高級視覺任務中的智能化應用效果，具有重要的研究意義和廣闊的應用前景。

目前深度學習已成為惡劣環(huán)境降質(zhì)圖像增強領域的主要研究方向，該類方法以神經(jīng)網(wǎng)絡為基礎架構(gòu)，采用數(shù)據(jù)驅(qū)動方式學習降質(zhì)圖像與清晰圖像之間的非線性映射關系，從而將降質(zhì)圖像轉(zhuǎn)換為高質(zhì)量圖像，有效避免了傳統(tǒng)圖像增強方法因引人人工先驗而導致的人為誤差。鑒于此，本書立足于智能視頻監(jiān)控系統(tǒng)的實際需求，針對圖像去霧、圖像去雨相關理論，系統(tǒng)介紹了圖像去霧圖像去雨近二十年的發(fā)展情況，包括傳統(tǒng)圖像去霧、圖像去雨方法以及當前主流基于深度學習的圖像去霧、圖像去雨方法等，并重點闡述了筆者的相關工作。

全書共分為8章。第1章主要介紹霧、雨形成機理、數(shù)學模型，以及圖像去霧、圖像去雨相關研究現(xiàn)狀;第2章主要介紹傳統(tǒng)圖像去霧和深度學習圖像去霧的代表性算法，以及圖像去霧算法廣泛使用的數(shù)據(jù)集和評價指標等:第3章主要介紹傳統(tǒng)圖像去雨和深度學習圖像去雨的代表性算法，以及圖像去雨算法廣泛使用的數(shù)據(jù)集和評價指標等:第4~7章介紹作者在圖像去霧領域的相關研究工作，包括基于遞歸卷積的多尺度深度圖像去霧算法、基于先驗信息引導的多編碼器圖像去霧算法、基于物理模型引導的多解碼器圖像去霧算法、基于物理分解的弱監(jiān)督圖像去霧算法等:第8章介紹作者在圖像去雨領域的相關研究工作，即基于多階段特征融合的圖像去雨算法。

本書由崔智高擬訂全書的大綱和撰寫第1~3章，并對全書進行統(tǒng)稿、修改和定稿，由王念執(zhí)筆第4、5章，蘇延召執(zhí)筆第6、7章，蘭云偉執(zhí)筆第8章。本書在著述過程中得到了火箭軍工程大學機關、機電教研室的支持和幫助，在此一并表示感謝。

由于圖像去霧、圖像去雨相關研究更新速度快，加之作者水平有限，本書難免存在不妥之處，謹請讀者指正。

作 者

2024年9月于西安