1.一种基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：包括以下步骤：S1：获取图像中各处大气光值有变化的大气光图A(x)；

S2：对图像暗通道先验失效区域进行判定，并选择亮通道图对暗通道失效区域透射率t(x)进行补偿；

S21：获得有雾图像的透射率与亮通道的直方图；

S22：在透射率和亮通道图的直方图中，分别选取波峰旁的波谷处的灰度值作为判定阈值；

bf

S23：使用引导滤波细化后的亮通道和透射率估计失效区域，记细化后的亮通道图为If(x)，细化后的透射率为t(x)；

S24：判定暗通道先验失效区域，如下式所示：bf f

I (x)‑t(x)＞Tb‑Tt式中Tb‑Tt为判定因子，若满足该公式，则判断该区域为暗通道先验失效的大面积高亮区域；

S25：选择亮通道图对暗通道先验失效透射率进行补偿，补偿公式为：c bf f

式中t (x)为暗通道先验失效区域的补偿透射率，(I (x)‑t (x))表示透射率需要补偿的程度；

S26：整合得出整幅图像的透射率，最终结合后整幅图像的透射率为：S3：将大气光图A(x)和透射率t(x)代入改进的大气散射模型公式计算出无雾图像：I(x)＝J(x)t(x)+A(x)(1‑t(x))其中J(x)表示雾天图像的复原公式： 其中t0是透射率设定的下限值，以避免去雾结果中包含噪声。

2.根据权利要求1所述的基于暗通道先验与亮通道先验的图像去雾方法，其特征在于：步骤S1包括以下步骤：

S11：利用四叉树算法求取基准大气光值A'，具体包括以下步骤：S111：将输入图像划分为四个相等的矩形区域；

S112：在每个区域内用像素的平均值减去这些像素的标准差；

S113：选择差值较大的区域，继续分割为更小的四个区域；

S114：重复步骤S111‑S113直到分割后的区域小于预先设定的阈值S；

S115：在被选中的区域，选择最大强度的像素值来作为基准大气光A'；

bright

S12：计算有雾图像的亮通道图I (x)：c bright

式中I是I的一个颜色通道，Ω(x)是以x为中心的邻域，I (x)为亮通道；

S13：生成大气光图：

bright

A(x)＝αA'+βI (x)式中α和β为调节因子，α+β≤1.0。