现有煤矿井下图像去雾方法在处理煤矿井下图像时未能在提取图像深层次特征信息的同时进行光照校正，处理后的图像存在细节信息丢失或图像偏暗的问题。提出一种基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法。首先，井下原始图像通过图像分化模块（IDM）进行双边滤波、光照估计和暗原色处理后得到光照图、暗原色图和光照反射图。然后，对暗原色图进行预处理，作为权重引导参数对光照反射图进行引导滤波，以恢复图像细节特征信息。最后，将光照图作为权重参数对图像进行光照校正和特征提取，通过多次光照校正解决颜色失真问题，同时增加网络深度，进而去除黑暗区域的退化，实现图像细节的重构从而得到清晰图像。主观评价结果表明：基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法在去除雾气的同时，保留了更多的结构纹理及背景细节，使整个图像更加接近于对应的清晰图像；客观评价结果表明：与次优算法PMS-Net相比，在训练集和测试集上信息熵分别提高0.32和0.11，标准差分别提高3.58和1.89，平均梯度分别提高0.008和0.004，说明所提算法可有效降低煤矿井下图像的雾气。消融实验结果表明，所提算法在测试数据集上的信息熵、标准差、平均梯度均高于其他网络组成模型，说明去雾效果最好，且能有效保留图像细节和边缘信息。

0 引言
1 煤矿井下图像去雾模型及原理
1.1 煤矿井下图像去雾模型
1.2 IDM
1.3 BFM
1.4 LCM
1.5 损失函数
2 实验结果及分析
2.1 数据集与训练准备
2.2 主观评价
2.3 客观评价
3 消融实验
4 结语