1.一种快速的雾霾天图像清晰化方法，其特征在于：

1)利用最小颜色分量对雾霾天图像I的雾气浓度做初始估计Imin(x,y)；

2)利用大气光幕的物理特性对近、远景的雾气浓度做近似估计，自适应计算得到全局大气光幕V和全局大气光强A；

3)采用非线性函数对全局大气光幕V做进一步修复得到修复后的全局大气光幕V(x,y)；

4)根据修复后的全局大气光幕V和全局大气光强A得到复原图像J(x,y)，再对复原图像做后期亮度和色度的自适应提升。

2.如权利要求1所述的一种快速的雾霾天图像清晰化方法，其特征在于：预先定义均值滤波器为meanfilter(N)，则： 其中N是均值滤波的窗口大小，则大尺度均值滤波的窗口尺寸N1：N1＝floor(k1*min(Width,Height))；小尺度均值滤波的窗口尺寸N2：N2＝1+floor(k2*min(Width,Height))；其中，floor()为向下取整数的操作，k1,k2为预设定的控制参数，Height为图像的高，Width为图像的宽，N2>1；

在步骤2)中，采用均值滤波器并结合大气光幕的物理特性对近、远景的雾气浓度做近似估计，具体如下：

2.1)对最小颜色分量值座大窗口尺寸N1的均值滤波得到远景雾气浓度分布的近似估计， 其中：I(x,y)为雾霾天图像的像素， 为卷积运算符，meanfilter(N1)为窗口尺寸N1的均值滤波器，为最小颜色分量值；

2.2)利用最小颜色分量值等同于近处景物雾气浓度分布得到近景雾气浓度分布的近似估计V_near(x,y)＝Imin(x,y)。

3.如权利要求2所述的一种快速的雾霾天图像清晰化方法，其特征在于：在步骤2)中，所述的自适应计算得到全局大气光幕V，具体如下：

2.3)综合近景雾气浓度和远景雾气浓度，首先采用像素级最小值运算，得出近远景大气光幕的初始估计：V0(x,y)＝k4×min(V-far(x,y),V-near(x,y))+(1-k4)×V-near(x,y)

2.4)对V0(x,y)做进一步的小尺度均值滤波运算，得到全局大气光幕：其中 为卷积运算符；meanfilter(N2)为窗口尺寸N2的

均值滤波器。

4.如权利要求2所述的一种快速雾霾天图像清晰化方法，其特征在于：预先定义雾霾天图像的尺寸为imagesize，则imagesize＝Height*Width，在步骤2)中，所述的自适应计算得到全局大气光强A，具体如下：

2.5)统计最小颜色分量图像Imin(x,y)的直方图Histogram_Imin；

2.6)计算直方图累加和 当 对应

的j1即为全局大气光强A，k3为预置的控制参数。

5.如权利要求1所述的一种快速雾霾天图像清晰化方法，其特征在于：在步骤3)中，所述的非线性函数为 其中，A为全局大气光强，x为修复前的输入值，F(x)为修复后的值，k8为预置的控制参数；得到修复后的全局大气光幕其中V1(x,y)为修复前的全局大气光幕。

6.如权利要求1所述的一种快速雾霾天图像清晰化方法，其特征在于：在步骤4)中，所述的根据修复后的全局大气光幕V(x,y)和全局大气光强A得到复原图像，具体如下，根据复原公式J(x,y)＝A×(I(x,y)-k5×V(x,y))/(A-k5×V(x,y))，即可得到复原后的图像J(x,y)；其中，I(x,y)为雾霾天图像的像素，k5为预设的控制参数。

7.如权利要求1所述的一种快速雾霾天图像清晰化方法，其特征在于：在步骤4)中，先定义场景辐射光强的初始值L(x,y)；若复原图像J(x,y)为彩色图像，则计算复原图像的每个像素点的三通道的最大值L(x,y)＝max(J_r(x,y),J_g(x,y),J_b(x,y))；若复原图像为灰度图像，则L(x,y)＝J(x,y)；

再求出L(x,y)的平均值：Nmean＝mean(L(x,y))，其中，Nmean为L(x,y)的均值，mean()为求得整幅图像均值的操作，其公式为 其中n为复原图像中像素点的总数；xi为图像中某一点的亮度值，i为像素点索引；而后，求出自适应亮度和色度修复因子γ，其中N_mean是整幅图像的亮度平均值，k6、k7为设定的控制参数。

8.如权利要求7所述的一种快速雾霾天图像清晰化方法，其特征在于：在步骤4)中对复原图像做后期亮度和色度的自适应提升，具体步骤为：若原始低照度图像为彩色图像，根据复原公式JE(x,y)＝J(x,y)γ，分别将三通道的值J_r(x,y)、J_g(x,y)、J_b(x,y)以及亮度色度修复因子γ代入计算得到R、G、B三通道的复原值JE_r(x,y)、JE_g(x,y)、JE_b(x,y)，即可得到亮度和色度增强后图像JE(x,y)。