Pour l'algorithme actuel de désembuage des images, qui traite les images par temps de brouillard non uniforme et présente des distorsions dans les zones de brouillard léger et un désembuage incomplet dans les zones de brouillard dense, un algorithme de désembuage des images combinant la segmentation de la densité de brouillard et la cartographie de l'écran de lumière atmosphérique est proposé. Tout d'abord, en analysant la distribution de la densité de brouillard dans différentes zones de l'image, et en combinant la saturation et la chromaticité pour construire un modèle d'estimation de la densité de brouillard, et en utilisant un algorithme de clustering flou pour la segmentation des zones, les zones de brouillard léger et dense sont efficacement identifiées. Deuxièmement, sur la base de la relation entre la densité de brouillard et l'écran de lumière atmosphérique, des modèles d'estimation spécifiques de l'écran de lumière atmosphérique sont conçus pour chaque zone afin d'assurer un traitement précis des différentes zones de densité de brouillard. Enfin, à travers la composante de luminance de la densité de brouillard, une amélioration de l'estimation de la lumière atmosphérique locale est réalisée, et une image sans brouillard est obtenue sur la base du modèle de diffusion atmosphérique. Les résultats des expériences montrent que cet algorithme résout efficacement le problème de restauration d'images par temps de brouillard non uniforme, et augmente de 39 %, 28 %, 10 %, 20 %, 37 %, 47 %, 35 % respectivement par rapport aux algorithmes principaux actuels dans les indicateurs d'évaluation objective de l'augmentation de la bordure visible, du gradient moyen normalisé, de l'entropie de l'image, de l'équilibre de visibilité de l'image, du contraste visuel de l'image, du contraste de l'image et du temps de traitement.

estimation de la densité de brouillard;algorithme de clustering flou;écran de lumière atmosphérique;lumière atmosphérique