水面无人艇是一个特殊的高智能体,而视觉系统是其实现独立自主运行、自动避障、场景监视、目标检测、目标跟踪以及目标识别等功能的关键设备之一。然而海上环境复杂,常常伴有海雾等恶劣天气,海雾下大气粒子的散射作用会造成无人艇视觉系统采集的视频图像降质和模糊,严重影响无人艇完成自主运行、目标检测、跟踪和识别等功能。为解决此问题,提高无人艇的海上适应能力,必须对其进行场景是否含雾的判别以及视频图像海雾去除处理。本文针对特殊的海雾场景,在研究了一种海上图像是否含雾的分类识别方法的基础上,提出了适合于海雾下的单幅图像以及视频图像去雾技术,并对所提方法进行了仿真验证。首先,为提高无人艇视频去雾的智能性,本文提出了一种适合于无人艇视觉系统的海雾识别方法。在建立含有大量水面清晰图像和含雾图像样本库的基础上,提取水面有雾图像和清晰图像具有明显区别的信息熵、标准差、改进后的均值、平均梯度、对比度、视觉对比度、图像能见度以及暗通道图像强度等8个特征,然后利用这8个特征的不同组合,分别进行BP神经网络和SVM海雾图像识别测试。实验表明,利用BP神经网络来识别海上雾图时,提取改进后的均值、图像强度和能见度3个特征时的平均识别率能达到98.75%,识别效果良好。接着,研究了以物理模型为基础的单幅图像海雾去除算法。在详细介绍了海雾下大气物理模型成像机理的基础上,重点介绍了基于该理论的暗通道去雾算法,对暗通道理论的基本原理、大气光值的估计以及透射率的求取和优化等过程进行了详细介绍,并且对该算法在海雾去除时的缺陷和不足进行了分析。然后,提出了一种改进的单幅图像海雾去除算法。首先针对海雾场景,提出了一种改进的大气光值估计方法;针对透射率的优化问题,提出了一种利用引导滤波对透射率优化的改进算法。通过与其他有效的去雾算法进行对比,从主观和客观两个方面进行不同算法去雾质量评价,实验结果表明,本文单幅图像去雾算法不仅去雾效果明显,而且去雾速度快。最后,针对无人艇海上视频去雾,为提高视频去雾效率,结合背景帧差法,提出了一种基于引导滤波的雾气遮罩理论视频海雾去除方法。利用帧差法判断场景是否突变,对于背景变化不大的连续视频帧,首先利用本文改进的单幅图像去雾算法进行首帧图像的海雾去除,得到当前背景下的雾气遮罩,然后利用引导滤波得到当前待去雾帧的雾气遮罩,从而实现快速的视频图像海雾去除。实验证明,本文所提出的方法能有效提高视频海雾去除效率,而且视频去雾效果良好,不会出现目标“拖影”现象。