Face aux problèmes existants des algorithmes de désembuage traitant des images de brouillard non homogène, tels que la distorsion des zones de brouillard léger et l’imperfection du désembuage des zones de brouillard dense, une nouvelle méthode de désembuage d’image combinant la segmentation de la concentration de brouillard et la cartographie du voile atmosphérique est proposée. D’abord, en analysant la distribution de la concentration de brouillard dans différentes régions de l’image, en combinant la saturation et la chrominance, un modèle d’estimation de la concentration de brouillard est construit, et un algorithme de clustering flou est utilisé pour segmenter les régions, ce qui permet d’identifier efficacement les zones de brouillard léger et dense ; ensuite, basé sur la relation entre la concentration de brouillard et le voile atmosphérique, un modèle spécifique d’estimation du voile atmosphérique est conçu pour différentes régions afin d’assurer un traitement précis des différentes concentrations de brouillard ; enfin, l’estimation locale de la lumière atmosphérique est améliorée par la composante luminance de la concentration de brouillard, et une image sans brouillard est obtenue sur la base du modèle de diffusion atmosphérique. Les résultats expérimentaux montrent que cet algorithme résout efficacement les problèmes de restauration d’images de brouillard non homogène, et améliore de 39 %, 28 %, 10 %, 20 %, 37 %, 47 % et 35 % respectivement les indices objectifs d’augmentation des contours visibles, du gradient moyen normalisé, de l’entropie de l’image, de l’indicateur de compromis de visibilité, du contraste visuel, du contraste de l’image et du temps de calcul comparé aux algorithmes dominants actuels.

Estimation de la concentration de brouillard; Algorithme de clustering flou; Voile atmosphérique; Lumière atmosphérique