1.一种基于平均饱和度先验的图像去雾方法，其特征在于，包括以下步骤：

S1，根据有雾图像计算大气光值；

S2，求取有雾图像中的每个像素的深度值；

S3，求取有雾图像中的每个像素的散射系数，具体包括：

S301，获取大量晴天图像，根据以下等式计算每个晴天图像的平均饱和度值：

N表示晴天图像的全部区域，(x,y)表示晴天图像中的任意一个像素，Jc1(x,y)表示像素(x,y)的强度值，JR1(x,y)表示像素(x,y)的R通道的强度值，JG1(x,y)表示像素(x,y)的G通道的强度值，JB1(x,y)表示像素(x,y)的B通道的强度值，mean()表示求均值；

S302，统计所有晴天图像的平均饱和度值，获得晴天图像的平均饱和度概率分布，计算期望值作为平均饱和度先验S303，构建散射系数的优化模型如下：

其中

β(x,y)表示有雾图像中的像素(x,y)的散射系数，ω(x,y)表示以有雾图像中的像素(x,y)为中心的局部像素块，(x',y')表示局部像素块ω(x,y)中的任意一个像素，Ic(x',y')表示像素(x',y')的强度值，Jc(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的强度值，IR(x',y')表示像素(x',y')的R通道的强度值，JR(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的R通道的强度值，IG(x',y')表示像素(x',y')的G通道的强度值，JG(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的G通道的强度值，IB(x',y')表示像素(x',y')的B通道的强度值，JB(x',y')表示有雾图像中的像素(x',y')对应的去雾图像中的像素(x',y')的B通道的强度值，d(x',y')表示像素(x',y')的深度值，β(x',y')表示像素(x',y')的散射系数且局部像素块ω(x,y)中的所有像素的散射系数均相等；

S304，求解散射系数的优化模型，得到有雾图像中的每个像素的散射系数；

S4，根据以下等式求取有雾图像中的每个像素的场景反照率：

其中，ρ(x,y)表示有雾图像中的像素(x,y)的场景反照率，Ic(x,y)表示有雾图像中的像素(x,y)的强度值，A表示大气光值，d(x,y)表示有雾图像中的像素(x,y)的深度值，β(x,y)表示有雾图像中的像素(x,y)的散射系数；

S5，根据大气光值和有雾图像中的每个像素的场景反照率，计算与有雾图像中的每个像素相对应的去雾图像中的每个像素的强度值，从而组成去雾图像。

2.根据权利要求1所述的基于平均饱和度先验的图像去雾方法，其特征在于，步骤1具体包括：S101、找出有雾图像的每个像素的R通道、G通道和B通道中最小的强度值，得到最小通道图像，再以每个像素为中心设定窗口，对每个窗口进行最小值滤波得到暗原色图像；

S102、找出暗原色图像中强度值前0.1％的区域，选择该区域对应在有雾图像中覆盖的区域中的所有像素的亮度值的最大值作为大气光值。