1.融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，包括以下步骤：步骤1：获取雾霾天气下雾化降质图像；

步骤2：将步骤1得到的雾化降质图像分别进行区域最小值滤波及最小值滤波处理获取其暗通道图像及最小值图像，分别记为Idark与Imin，并对暗通道图像进行引导滤波预处理，得到处理后的暗通道图像I′dark；

I′dark＝GF(Idark,Idarkrdark,εdark)其中，rdark为预处理引导滤波的局部窗口半径，εdark为正则化参数；

步骤3：将步骤1得到的RGB颜色空间的雾化降质图像转换到HSV颜色空间；

步骤4：通过对明度与饱和度作差来区分图像中的白色物体与雾气光，并定义其差值为颜色衰减率，对步骤3得到的HSV颜色空间的雾化降质图像进行如下变换：v s

D(m,n)＝I(i,j)‑I(i,j)v s

式中，D(m,n)为颜色衰减率图像内的点，I (i,j)为明度图层内的像素点，而I (i,j)为饱和度图层内的像素点，该明度与饱和度图层取自步骤3得到的HSV颜色空间的雾化降质图像，(i,j)为步骤3得到的HSV颜色空间的雾化降质图像的像素点坐标值，(m,n)为颜色衰减率图像内点的坐标值；

步骤5：将步骤4处理后的颜色衰减率图像内的值按降序进行排序，取前10％中的最小值所对应的颜色衰减率作为颜色衰减先验变换的亮暗部分界阈值，根据该阈值得到原雾化降质图像的暗部，记为IHSV_dark；

步骤6：定义一幅图像的变差函数SVAM的公式为：式中，Ii是图像中的一个像素，θ是一个像素的平均灰度值， 为RGB图像中像素点的三个通道值，λVAM为引入的比例系数；

针对步骤2得到的暗通道图像I′dark，根据变差函数判断图像中的像素点是否来自高亮区域，定义Δ为选定有效区域的阈值，若SVAM＜Δ，认为该像素点来自于高亮区域并丢弃该数据，若SVAM≥Δ，则将该值作为一个有效的全局环境光值依据，由其对应的坐标组成集合，得到基于变差函数的暗部，记为IVAM_dark；

步骤7：由步骤5得到的图像暗部IHSV_dark及步骤6得到的图像暗部IVAM_dark进行并运算，得到用于估计暗区域大气环境光值Adark的暗部图像Imark_dark，对Imark_dark进行递减排序，选取像素值排在前0.1％的像素点所对应雾化降质图像像素点集合的平均值作为Adark的值；

步骤8：对于步骤2得到的最小值图像Imin，采用相对总变差去纹理方法对最小值图像进行滤波，表达式如下：

Wfilter＝RTV(Imin(x),λRTV,σ,ε)RTV的模型为：

其中：

I代表输入图像，λRTV是一个控制图像光滑程度的权重，p代表图像像素索引，S代表输出结构图像，ε是一个小的正值以避免分母出现0的情况，q为以p点为中心的一个正方形区域内所有的像素点的索引，R(p)代表以p为中心的矩形区域， 与 代表两个方向的偏微分，g为高斯核函数：

式中，xp、yp、xq及yq是以p、q为索引的坐标值，σ的作用是控制窗口的空间尺寸；

对最小值图像Imin进行滤波后，得到粗估计图Wfilter，由下式即得原始场景透射率图像testimate中坐标为(i,j)的像素值：其中，ω为去雾系数，Adark为步骤7中得到的大气环境光值，testimate(i,j)为原始场景透射率图像中坐标为(i,j)的像素值，Wfilter(i,j)为粗估计图像中坐标为(i,j)的像素值；

步骤9：根据步骤7中所得暗部图像Imark_dark区域对步骤8中所得透射率函数进行调整，弱化亮部图像的去雾，增强暗部图像的去雾，调整函数为：其中，Δ为步骤6中所定义的阈值，I为输入图像，Adark为步骤7中得到的大气环境光值；

步骤10：对步骤9中获取的修正场景透射率tmodify进行引导滤波，以得到最终场景透射率tfilter：

tfilter＝GF(Imin,tmodify,r,εGF)其中，r为局部窗口半径，εGF为正则化参数，引导滤波GF模型如下：式中，vi是输出图像，Ii是输入图像，i和k是像素索引，ak和bk是当窗口中心位于k时该线性函数的系数，为使拟合函数的输出值与真实值u之间的差距最小，通过最小二乘法，得到：μk是Ii在窗口ωk中的平均值， 是I在窗口ωk中的方差，|ω|是窗口ωk中像素的数量，是待滤波图像u在窗口ωk中的均值；

步骤11：由步骤10得到的最终场景透射率tfilter恢复雾化降质图像J，即：其中，I(x,y)为原雾化降质图像像素值，Adark为步骤7中得到的大气环境光值。

2.根据权利要求1所述的融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，步骤3中将RGB颜色空间的雾霾天气下的图像转换到HSV颜色空间，图像由R、G、B颜色分量转变为H、S、V三个分量，其中H表示图像的色调，S表示图像的饱和度，V表示图像的明度。

3.根据权利要求1所述的融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，对于步骤2中暗通道预处理的引导滤波，使用自身图像作为引导图，滤波半径rdark取16。

4.根据权利要求1所述的融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，对于RTV，λRTV取0.03，ε取0.02，滤波模板σ取3。

5.根据权利要求1所述的融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，对于步骤10中细化透射率处理的引导滤波，使用图像最小通道图作为引导图，滤波半径r取

6，εGF取0.04。

6.根据权利要求1所述的融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，步骤6中引入的比例系数λ的值设置为18。

7.根据权利要求1所述的融合变差函数和颜色衰减先验的图像去雾方法，其特征在于，步骤6中阈值Δ＝42。