恶劣天气环境下
恶劣天气环境下[20191214193447]
摘 要
恶劣天气下降质图像的清晰化是数字图像处理的一个重要分支，对户外监控系统、智能导航、跟踪系统、天文观测、航空探测等视觉应用系统的价值发挥和技术发展有着重要意义。
本文首先分析了图像在恶劣天气情况下的退化模型，通过将恶劣天气图像退化与大气粒子在恶劣天气中的散射作用结合，进而获得了恶劣天气降质图像的退化模型。然后介绍了图像清晰化的两个方向和其基础理论，并研究介绍了两种常用的图像复原方法。
接下来以图像增强技术为重点，详细地研究了几种图像增强算法。
首先，研究了三种常用的图像增强算法，包括基本的图像灰度变换、同态滤波算法和一种改进的在空域获得同态滤波模板的算法；
接下来，研究了基于Retinex理论的图像增强算法，包括单尺度Retinex算法和多尺度Retinex算法，其基本原理是将一幅图像分为亮度图像和反射图像两部分，然后通过降低亮度图像对反射图像的影响而达到增强图像的目的；
然后，研究了基于直方图均衡化的图像增强算法，主要通过对原图像进行某种灰度变换，使变换后图像的直方图能够均匀分布，这样就能使原图像中具有相近灰度且像素点占有量很大的区域的灰度范围展宽，使大区域中的微小灰度变化显现出来，从而使图像更清晰。以及两种能够使图像局部细节增强的直方图均衡化算法；
最后，对上述几种算法在Matlab平台上进行仿真实验，给出实验对比结果，并使用信息熵作为图像质量评价指标，来对几种算法进行定量分析和对比。
查看完整论文请+Q: 351916072
关键字:图像清晰化；图像增强；直方图均衡化；Retinex算法
目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 研究背景及意义 1
1.2 课题研究现状 1
1.3 论文研究内容和章节安排 3
第二章 恶劣天气性质及图像清晰化基础 5
2.1 恶劣天气的性质 5
2.2 恶劣天气图像退化模型 6
2.3 图像清晰化的基本概念及方法 7
2.3.1 图像复原 7
2.3.2 图像增强 9
2.4 本章小结 9
第三章 恶劣天气降质图像增强方法研究 10
3.1常用的图像增强算法 10
3.1.1 基本灰度变换 10
3.1.2 同态滤波 11
3.1.3 一种在空域获得同态滤波模板的方法 12
3.2 Retinex理论 14
3.2.1 单尺度Retinex算法 15
3.2.2 多尺度Retinex算法 16
3.3 直方图均衡化 16
3.3.1 全局直方图均衡化 17
3.3.2 子块不重叠局部直方图均衡算法 18
3.3.3 子块部分重叠直方图均衡化算法 19
3.4 本章小结 20
第四章 实验结果与分析 21
4.1 实验平台 21
4.2 结果及分析 21
4.2.1 同态滤波 21
4.2.2一种在空域获得同态滤波模板的方法 23
4.2.3单尺度Retinex算法 25
4.2.4多尺度Retinex算法 26
4.2.5全局直方图均衡化 28
4.2.6子块不重叠局部直方图均衡算法 30
4.2.7子块部分重叠直方图均衡化算法 31
4.3 算法对比 33
4.3.1 图像质量评价指标 33
4.3.2 几种算法的增强效果对比 33
4.4 本章小结 37
第五章 总结与展望 38
5.1 本文的工作小结 38
5.2 本文存在的不足与未来研究方向 38
参考文献 40
致 谢 42
附 录 43
文献翻译 43
英文原文 43
中文翻译 57
第一章 绪论
1.1 研究背景及意义
在各种天气现象中，有几类对视觉系统影响严重的天气现象，称为视程障碍现象。它包括雾类（大雾、轻雾），沙尘类（沙尘暴、扬沙），烟尘类（浮尘、烟幕、霆），吹雪类（吹雪、雪暴）等9种[1]。
近年来，我国此类天气事件呈增加趋势[2]。2013年在全国范围内发生多起暴雨暴雪、沙尘暴等极端天气事件，尤其是雾霾天气，更成为全社会亟须解决的难题[3]。据统计，2013年全国雾霾天气波及25个省份，100多个大中型城市，安徽、湖南、湖北、浙江、江苏等13地雾霾天数均创下历史纪录。全国平均雾霾日数为29.9天，较常年同期偏多10.3天，达到52年来的峰值[4]。
此类恶劣天气往往具有灾害性质，其物理性质使得大气能见度下降，会对户外监控系统、智能导航、跟踪系统、天文观测、航空探测等视觉应用系统等造成一定程度上的影响及困难，进而影响人类正常的生活，产生各种各样的安全隐患。在恶劣天气影响下，基于光学的物理器件在拍摄时，图像质量容易发生减弱，此时提取图像中的信息就会遇到困难。恶劣天气造成图像降质的根本原因是由于大气粒子的散射造成景物的反射通量部分被大气粒子反射或吸收，导致将进入人眼中的入射光在一定程度上发生了削减。表现在图像上，为像素点的灰度值分布比较集中，削弱了图像的对比度，也就是在高灰度值被减弱的同时，低灰度值获得了增强。
因此，无论是在哪种领域中，获取的原始图像受到恶劣天气影响而降质都将是一个无法回避的问题，深入研究和探讨恶劣天气下降质图像的清晰化处理的有效途径，凭借现有的高性能软硬件的有利条件，有效扩展人类视野的可观测范围，在一定程度上减少不利气候环境对户外监控系统、智能导航、跟踪系统、天文观测、航空探测等领域的影响具有非常重要的理论研究意义和实际应用价值。
1.2 课题研究现状
自20世纪60年代以来，随着计算机技术的快速发展以及计算机的广泛应用，数字图像清晰化处理的研究进入了高速发展阶段。目前国内外对雾天图像清晰化处理所采用的方法无论是基于图像复原还是图像增强方法，在计算速度和处理效果上都有了很大的提高。
目前，解决恶劣天气下图像降质问题，主要有两个角度。一种角度是从硬件方面着手，使用多传感器融合的方法实现采集到更加清晰的原始图像。然而，这种方法所需要的更高层次的技术水平和昂贵的硬件成本限制了它的应用范围。另一种角度是从算法上入手，只对原始图像进行数字图像处理，将降至图像清晰化问题转化为图像增强和图像复原问题[5]。本文即是从图像处理的方向着手，主要研究图像增强的各个算法。
在图像复原方面，John P. Oakley和Brenda L. Satherley于1998年提出了一种基于多假设多参数的退化模型，即通过对图像中大气光值、景深等先验信息进行估计，利用退化模型实现图像场景的复原。但图像的景深信息的获取需要使用雷达等设备，该方法成本较高，且操作不方便，未能在现实中广泛应用。
从1999年起，哥伦比亚大学自动视觉环境研究室(CAVE)的Srinivasa G. Narasirnhan和ShreeK. Nayar等人，在此方向持续进行了一些研究工作，以建立新一代的智能身份鉴别系统。他们采用的方法是根据同一场景下至少2幅不同天气情况的图像来获得图像场景的亮度、深度信息，进而恢复出图像的初始状态。
在国内，致力于研究该方面的有浙江大学，通过物理模型方法来分析雾天图像成像原理，从而提出了一种基于景点深度检测的物理复原方法。香港中文大学提出利用暗通道作为先验信息达到了单幅图像较好的去雾效果。主要原理是通过计算图像的暗同道图像，来获得图像的传播图，再利用抠图算法对其进行优化，最后得到图像恢复结果。虽然该算法处理效果较好，去雾效果明显，但求取精细化传播图这一步骤具有较大的计算代价，且该算法对场景颜色与大气颜色相近的图像不适用。
图像增强方面，作为图像处理的基本内容之一，利用图像增强的方法，可以提高降质图像的对比度，有选择的增强感兴趣特征，提高其可识别度[6]。目前使用较为广泛的图像增强方法为直方图均衡化算法，然而受恶劣天气所影响的图像中，图像对比度降低与景深密切相关，因此以空域不变的全局直方图均衡化算法并不能完全消除天气对其的影响。因此，很多学者提了一系列新型方法，这些方法较传统的增强方法在处理策略上更为复杂，而增强效果也因此大大增加。
1982年，Tom等人提出自适应直方图均衡化算法（AHE），有效地增强了图像的细节信息，但是过高的时间复杂度限制了AHE算法的应用范围[7]。
2001年，Kim等人提出的子块部分重叠直方图均衡化算法[8]（POSHE），具备良好的对比度增强效果，计算量也比AHE算法明显减少，但存在局部块效应和过增强的问题。
2004年，Stephen M.Pizer等人提出的利用双线性插值技术的对比度受限自适应直方图均衡法[9]（CLAHE算法），此算法改善了基本的局部直方图均衡化所产生的对比度和噪声的过增强，并减小了计算量。但缺点是容易在灰度阶突变的区域生成新的人为噪声。
此外，也有学者将图像增强与人类视觉特性结合起来。Land等人基于色彩恒常性提出了Retinex照射反射模型。在此基础上又衍生出一系列算法：:SSR算法、MSR算法、Frankle-McCann算法、全局Retinex算法、局部Retinex算法等等。
本文即是以图像增强为基础，着重研究基于Retinex理论和直方图均衡化的几种图像增强算法。
1.3 论文研究内容和章节安排
本文的研究内容主要围绕各恶劣天气图像清晰化问题展开。
第一章简要介绍了课题的研究背景及意义，雨雾天气图像清晰化处理的研究现状，现有算法在处理图像增强时存在的一些问题，以及本文的主要研究工作。
第二章首先介绍了各个恶劣天气下的物理特性，并着重分析了恶劣天气情况下的图像退化模型，然后研究介绍了图像清晰化的两个方向——图像复原和图像增强，包括它们的基本概念和常用方法。
第三章中研究了图像增强的八种算法，包括两种常用的图像增强算法——基本灰度变换和同态滤波，提出一种在空域获得同态滤波模板的新方法；然后研究并实现了基于Retinex理论的两种算法，即单尺度Retinex算法（Single scale Retinex，SSR）和多尺度Retinex算法（Multi-scales Retinex，MSR）；最后研究并实现了基于直方图均衡化的图像增强算法，包括传统的全局直方图均衡化，以及为了克服直方图均衡化容易造成细节不足的缺点所提出的两种改进算法——基于部分直方图均衡化的子块不重叠直方图均衡化算法和子块部分重叠直方图均衡化算法(Partially Overlapped Sub-block Histogram Equalization POSHE)。
第四章分别对几种算法进行了Matlab实现并分别在Matlab平台上进行仿真实验。用五种算法分别对受到不同恶劣天气影响而降质的图像进行处理，给出实验结果，并引入一种图像质量评价指数——信息熵，来对几种算法的性能进行客观评价。
最后一章对本文工作进行了总结，并提出下一步的研究方向。
第二章 恶劣天气性质及图像清晰化基础
在各种恶劣天气的影响下，空中的雨线、雾气沙尘等物质模糊了人们的视线，使景物能见度大幅的降低，严重影响了恶劣天气情况下获得图像模糊不清，对比度较低，彩色图像出现严重的颜色失真等现象，大大降低了图像的使用价值，对人们生产生活各方面造成了很大的影响。
2.1 恶劣天气的性质
（1）雾天：
在水气充足、微风及大气层稳定的情况下，气温接近露点，相对湿度达到100%时，空气中的水气便会凝结成细微的水滴悬浮于空中，使地面水平的能见度下降，这种天气现象称为雾。雾的出现以春季二至四月间较多。凡是大气中因悬浮的水汽凝结，能见度低于1千米时，气象学称这种天气现象为雾。雾形成的条件：一是冷却，二是加湿，增加水汽含量。雾的种类有辐射雾、平流雾、混合雾、蒸发雾、烟雾。
（2）雨：
雨是一种自然降水现象。大气层中的水蒸气凝结成小水珠，大量的小水珠形成了云。当云中的水珠达到一定质量以后就会下落至地表，这就是降雨。在降雨过程中，云层中原始雨滴由于凝结核的大小不同，凝结发生的先后不同，雨滴的原始大小就是不相等的。大小水滴因水汽压的不同，水分容易由小水滴转移到大水滴上去，使大水滴不断增大，小水滴也会变小。当水滴不断增大，在空气中下降时就不再保持球形。开始下降时，雨滴底部平整，上部因表面张力而保持原来的球形。当水滴继续增大，在空气中下降时，除受表面张力外，还要受到周围的空气作用在水滴上的压力以及因重力引起的水滴内部的静压力差，二者均随水滴的增长及下降而不断增大。在三种力的作用下，水滴变形越来越剧烈，底部向内凹陷，最后破碎成许多大小不同的水滴。
（3）沙尘暴：
沙尘暴（沙暴与尘暴的总称）是一种多发生在干旱和半干旱地区的天气现象，由强风刮起干燥地表上的松软沙土和尘埃形成，其导致空气混浊，能见度变低。当沙尘暴形成时，如果风每秒刮30米（11级风力），那么粗沙（直径0.5–1毫米）会飞离地面几十厘米，细沙（直径0.125–0.25毫米）会飞起2米高，粉沙（直径0.05–0.005毫米）可达到1.5公里的高度，黏粒（直径＜0.005毫米）则可飞到1.2万公里的高空。
摘 要
恶劣天气下降质图像的清晰化是数字图像处理的一个重要分支，对户外监控系统、智能导航、跟踪系统、天文观测、航空探测等视觉应用系统的价值发挥和技术发展有着重要意义。
本文首先分析了图像在恶劣天气情况下的退化模型，通过将恶劣天气图像退化与大气粒子在恶劣天气中的散射作用结合，进而获得了恶劣天气降质图像的退化模型。然后介绍了图像清晰化的两个方向和其基础理论，并研究介绍了两种常用的图像复原方法。
接下来以图像增强技术为重点，详细地研究了几种图像增强算法。
首先，研究了三种常用的图像增强算法，包括基本的图像灰度变换、同态滤波算法和一种改进的在空域获得同态滤波模板的算法；
接下来，研究了基于Retinex理论的图像增强算法，包括单尺度Retinex算法和多尺度Retinex算法，其基本原理是将一幅图像分为亮度图像和反射图像两部分，然后通过降低亮度图像对反射图像的影响而达到增强图像的目的；
然后，研究了基于直方图均衡化的图像增强算法，主要通过对原图像进行某种灰度变换，使变换后图像的直方图能够均匀分布，这样就能使原图像中具有相近灰度且像素点占有量很大的区域的灰度范围展宽，使大区域中的微小灰度变化显现出来，从而使图像更清晰。以及两种能够使图像局部细节增强的直方图均衡化算法；
最后，对上述几种算法在Matlab平台上进行仿真实验，给出实验对比结果，并使用信息熵作为图像质量评价指标，来对几种算法进行定量分析和对比。
查看完整论文请+Q: 351916072
关键字:图像清晰化；图像增强；直方图均衡化；Retinex算法
目 录
摘 要 I
ABSTRACT II
第一章 绪论 1
1.1 研究背景及意义 1
1.2 课题研究现状 1
1.3 论文研究内容和章节安排 3
第二章 恶劣天气性质及图像清晰化基础 5
2.1 恶劣天气的性质 5
2.2 恶劣天气图像退化模型 6
2.3 图像清晰化的基本概念及方法 7
2.3.1 图像复原 7
2.3.2 图像增强 9
2.4 本章小结 9
第三章 恶劣天气降质图像增强方法研究 10
3.1常用的图像增强算法 10
3.1.1 基本灰度变换 10
3.1.2 同态滤波 11
3.1.3 一种在空域获得同态滤波模板的方法 12
3.2 Retinex理论 14
3.2.1 单尺度Retinex算法 15
3.2.2 多尺度Retinex算法 16
3.3 直方图均衡化 16
3.3.1 全局直方图均衡化 17
3.3.2 子块不重叠局部直方图均衡算法 18
3.3.3 子块部分重叠直方图均衡化算法 19
3.4 本章小结 20
第四章 实验结果与分析 21
4.1 实验平台 21
4.2 结果及分析 21
4.2.1 同态滤波 21
4.2.2一种在空域获得同态滤波模板的方法 23
4.2.3单尺度Retinex算法 25
4.2.4多尺度Retinex算法 26
4.2.5全局直方图均衡化 28
4.2.6子块不重叠局部直方图均衡算法 30
4.2.7子块部分重叠直方图均衡化算法 31
4.3 算法对比 33
4.3.1 图像质量评价指标 33
4.3.2 几种算法的增强效果对比 33
4.4 本章小结 37
第五章 总结与展望 38
5.1 本文的工作小结 38
5.2 本文存在的不足与未来研究方向 38
参考文献 40
致 谢 42
附 录 43
文献翻译 43
英文原文 43
中文翻译 57
第一章 绪论
1.1 研究背景及意义
在各种天气现象中，有几类对视觉系统影响严重的天气现象，称为视程障碍现象。它包括雾类（大雾、轻雾），沙尘类（沙尘暴、扬沙），烟尘类（浮尘、烟幕、霆），吹雪类（吹雪、雪暴）等9种[1]。
近年来，我国此类天气事件呈增加趋势[2]。2013年在全国范围内发生多起暴雨暴雪、沙尘暴等极端天气事件，尤其是雾霾天气，更成为全社会亟须解决的难题[3]。据统计，2013年全国雾霾天气波及25个省份，100多个大中型城市，安徽、湖南、湖北、浙江、江苏等13地雾霾天数均创下历史纪录。全国平均雾霾日数为29.9天，较常年同期偏多10.3天，达到52年来的峰值[4]。
此类恶劣天气往往具有灾害性质，其物理性质使得大气能见度下降，会对户外监控系统、智能导航、跟踪系统、天文观测、航空探测等视觉应用系统等造成一定程度上的影响及困难，进而影响人类正常的生活，产生各种各样的安全隐患。在恶劣天气影响下，基于光学的物理器件在拍摄时，图像质量容易发生减弱，此时提取图像中的信息就会遇到困难。恶劣天气造成图像降质的根本原因是由于大气粒子的散射造成景物的反射通量部分被大气粒子反射或吸收，导致将进入人眼中的入射光在一定程度上发生了削减。表现在图像上，为像素点的灰度值分布比较集中，削弱了图像的对比度，也就是在高灰度值被减弱的同时，低灰度值获得了增强。
因此，无论是在哪种领域中，获取的原始图像受到恶劣天气影响而降质都将是一个无法回避的问题，深入研究和探讨恶劣天气下降质图像的清晰化处理的有效途径，凭借现有的高性能软硬件的有利条件，有效扩展人类视野的可观测范围，在一定程度上减少不利气候环境对户外监控系统、智能导航、跟踪系统、天文观测、航空探测等领域的影响具有非常重要的理论研究意义和实际应用价值。
1.2 课题研究现状
自20世纪60年代以来，随着计算机技术的快速发展以及计算机的广泛应用，数字图像清晰化处理的研究进入了高速发展阶段。目前国内外对雾天图像清晰化处理所采用的方法无论是基于图像复原还是图像增强方法，在计算速度和处理效果上都有了很大的提高。
目前，解决恶劣天气下图像降质问题，主要有两个角度。一种角度是从硬件方面着手，使用多传感器融合的方法实现采集到更加清晰的原始图像。然而，这种方法所需要的更高层次的技术水平和昂贵的硬件成本限制了它的应用范围。另一种角度是从算法上入手，只对原始图像进行数字图像处理，将降至图像清晰化问题转化为图像增强和图像复原问题[5]。本文即是从图像处理的方向着手，主要研究图像增强的各个算法。
在图像复原方面，John P. Oakley和Brenda L. Satherley于1998年提出了一种基于多假设多参数的退化模型，即通过对图像中大气光值、景深等先验信息进行估计，利用退化模型实现图像场景的复原。但图像的景深信息的获取需要使用雷达等设备，该方法成本较高，且操作不方便，未能在现实中广泛应用。
从1999年起，哥伦比亚大学自动视觉环境研究室(CAVE)的Srinivasa G. Narasirnhan和ShreeK. Nayar等人，在此方向持续进行了一些研究工作，以建立新一代的智能身份鉴别系统。他们采用的方法是根据同一场景下至少2幅不同天气情况的图像来获得图像场景的亮度、深度信息，进而恢复出图像的初始状态。
在国内，致力于研究该方面的有浙江大学，通过物理模型方法来分析雾天图像成像原理，从而提出了一种基于景点深度检测的物理复原方法。香港中文大学提出利用暗通道作为先验信息达到了单幅图像较好的去雾效果。主要原理是通过计算图像的暗同道图像，来获得图像的传播图，再利用抠图算法对其进行优化，最后得到图像恢复结果。虽然该算法处理效果较好，去雾效果明显，但求取精细化传播图这一步骤具有较大的计算代价，且该算法对场景颜色与大气颜色相近的图像不适用。
图像增强方面，作为图像处理的基本内容之一，利用图像增强的方法，可以提高降质图像的对比度，有选择的增强感兴趣特征，提高其可识别度[6]。目前使用较为广泛的图像增强方法为直方图均衡化算法，然而受恶劣天气所影响的图像中，图像对比度降低与景深密切相关，因此以空域不变的全局直方图均衡化算法并不能完全消除天气对其的影响。因此，很多学者提了一系列新型方法，这些方法较传统的增强方法在处理策略上更为复杂，而增强效果也因此大大增加。
1982年，Tom等人提出自适应直方图均衡化算法（AHE），有效地增强了图像的细节信息，但是过高的时间复杂度限制了AHE算法的应用范围[7]。
2001年，Kim等人提出的子块部分重叠直方图均衡化算法[8]（POSHE），具备良好的对比度增强效果，计算量也比AHE算法明显减少，但存在局部块效应和过增强的问题。
2004年，Stephen M.Pizer等人提出的利用双线性插值技术的对比度受限自适应直方图均衡法[9]（CLAHE算法），此算法改善了基本的局部直方图均衡化所产生的对比度和噪声的过增强，并减小了计算量。但缺点是容易在灰度阶突变的区域生成新的人为噪声。
此外，也有学者将图像增强与人类视觉特性结合起来。Land等人基于色彩恒常性提出了Retinex照射反射模型。在此基础上又衍生出一系列算法：:SSR算法、MSR算法、Frankle-McCann算法、全局Retinex算法、局部Retinex算法等等。
本文即是以图像增强为基础，着重研究基于Retinex理论和直方图均衡化的几种图像增强算法。
1.3 论文研究内容和章节安排
本文的研究内容主要围绕各恶劣天气图像清晰化问题展开。
第一章简要介绍了课题的研究背景及意义，雨雾天气图像清晰化处理的研究现状，现有算法在处理图像增强时存在的一些问题，以及本文的主要研究工作。
第二章首先介绍了各个恶劣天气下的物理特性，并着重分析了恶劣天气情况下的图像退化模型，然后研究介绍了图像清晰化的两个方向——图像复原和图像增强，包括它们的基本概念和常用方法。
第三章中研究了图像增强的八种算法，包括两种常用的图像增强算法——基本灰度变换和同态滤波，提出一种在空域获得同态滤波模板的新方法；然后研究并实现了基于Retinex理论的两种算法，即单尺度Retinex算法（Single scale Retinex，SSR）和多尺度Retinex算法（Multi-scales Retinex，MSR）；最后研究并实现了基于直方图均衡化的图像增强算法，包括传统的全局直方图均衡化，以及为了克服直方图均衡化容易造成细节不足的缺点所提出的两种改进算法——基于部分直方图均衡化的子块不重叠直方图均衡化算法和子块部分重叠直方图均衡化算法(Partially Overlapped Sub-block Histogram Equalization POSHE)。
第四章分别对几种算法进行了Matlab实现并分别在Matlab平台上进行仿真实验。用五种算法分别对受到不同恶劣天气影响而降质的图像进行处理，给出实验结果，并引入一种图像质量评价指数——信息熵，来对几种算法的性能进行客观评价。
最后一章对本文工作进行了总结，并提出下一步的研究方向。
第二章 恶劣天气性质及图像清晰化基础
在各种恶劣天气的影响下，空中的雨线、雾气沙尘等物质模糊了人们的视线，使景物能见度大幅的降低，严重影响了恶劣天气情况下获得图像模糊不清，对比度较低，彩色图像出现严重的颜色失真等现象，大大降低了图像的使用价值，对人们生产生活各方面造成了很大的影响。
2.1 恶劣天气的性质
（1）雾天：
在水气充足、微风及大气层稳定的情况下，气温接近露点，相对湿度达到100%时，空气中的水气便会凝结成细微的水滴悬浮于空中，使地面水平的能见度下降，这种天气现象称为雾。雾的出现以春季二至四月间较多。凡是大气中因悬浮的水汽凝结，能见度低于1千米时，气象学称这种天气现象为雾。雾形成的条件：一是冷却，二是加湿，增加水汽含量。雾的种类有辐射雾、平流雾、混合雾、蒸发雾、烟雾。
（2）雨：
雨是一种自然降水现象。大气层中的水蒸气凝结成小水珠，大量的小水珠形成了云。当云中的水珠达到一定质量以后就会下落至地表，这就是降雨。在降雨过程中，云层中原始雨滴由于凝结核的大小不同，凝结发生的先后不同，雨滴的原始大小就是不相等的。大小水滴因水汽压的不同，水分容易由小水滴转移到大水滴上去，使大水滴不断增大，小水滴也会变小。当水滴不断增大，在空气中下降时就不再保持球形。开始下降时，雨滴底部平整，上部因表面张力而保持原来的球形。当水滴继续增大，在空气中下降时，除受表面张力外，还要受到周围的空气作用在水滴上的压力以及因重力引起的水滴内部的静压力差，二者均随水滴的增长及下降而不断增大。在三种力的作用下，水滴变形越来越剧烈，底部向内凹陷，最后破碎成许多大小不同的水滴。
（3）沙尘暴：
沙尘暴（沙暴与尘暴的总称）是一种多发生在干旱和半干旱地区的天气现象，由强风刮起干燥地表上的松软沙土和尘埃形成，其导致空气混浊，能见度变低。当沙尘暴形成时，如果风每秒刮30米（11级风力），那么粗沙（直径0.5–1毫米）会飞离地面几十厘米，细沙（直径0.125–0.25毫米）会飞起2米高，粉沙（直径0.05–0.005毫米）可达到1.5公里的高度，黏粒（直径＜0.005毫米）则可飞到1.2万公里的高空。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/dzkxyjs/2476.html
