Para abordar los problemas de estimación inexacta de la luz atmosférica en métodos de eliminación de niebla basados en la suposición del canal oscuro, así como la baja saturación de color y el oscurecimiento en las áreas brillantes tras la eliminación de la niebla, este documento propone un método de eliminación de niebla basado en la segmentación de superpíxeles y la fusión de canales oscuros y claros. El método utiliza segmentación de superpíxeles para una división precisa de imágenes con niebla, agrupando regiones con características de profundidad similares en bloques de superpíxeles, reemplazando las ventanas de filtrado fijas tradicionales y suprimiendo eficazmente el efecto de bloque en regiones con cambios abruptos de gradiente; mediante un umbral adaptativo se determinan las áreas brillantes y oscuras, aplicando una estrategia mixta de canal oscuro para mejorar la robustez del algoritmo en diferentes escenarios. Se construye un modelo de estimación de la luz atmosférica con restricciones conjuntas de canales oscuros y claros, y se usa un filtrado guiado para un procesamiento fino, mejorando la precisión y coherencia espacial de la estimación. Basándose en la transmitancia optimizada y los parámetros de luz atmosférica, se obtiene mediante deducción inversa el imagen sin niebla. Los resultados de simulación muestran que el método propuesto alcanza un PSNR de 26,815 dB en el conjunto de datos OTS, un SSIM de 0,576 en O-HAZE, y un tiempo de procesamiento de solo 36,281 s en I-HAZE, con mejoras medias de PSNR y SSIM de 13% y 5%, respectivamente. El método mejora eficazmente la saturación de color y el equilibrio de brillo de la imagen restaurada, superando en métricas objetivas y subjetivas a los algoritmos comparativos.

eliminación de niebla en imágenes; fusión de canales oscuros y claros; segmentación de superpíxeles; modelo de dispersión atmosférica; suposición de canal oscuro