1.一种无监督图像去雾方法，其特征在于，包括以下步骤：

(1)构建雾霾环境下的图像成像模型，即雾图成像模型：

I(x)＝J(x)t(x)+A(1‑t(x))

其中，x表示图像像素，I(x)为采集获取的雾图，J(x)为真实场景图像，t(x)为透射率，A为大气光矢量值；

(2)针对原始雾图，求解图像中的大气光矢量A的方向，具体过程如下：

(2‑a)真实场景图像J(x)可分解为J(x)＝N(x)M(x),其中M(x)是一个RGB向量，描述像素x对应的真实场景表面反射光的色度，N(x)是一个标量，描述像素x对应的真实场景表面反射光的强度；由于表面反射色度M(x)以及透射率t(x)在图像的某些局部子块中均近似等于恒定值，因此，结合雾图成像模型，可构建雾图局部子块的雾图成像简化模型：Ii(x)＝tiNi(x)Mi+(1‑ti)A＝N′i(x)Mi+ciA

其中，Ii(x)表示原始雾图中的第i个局部子块，Mi为第i个局部子块对应的真实场景在RGB空间的反射光色度，ti为第i个局部子块的透射率，ci＝1‑ti，Ni(x)为该局部子块的反射光强度，由于透射率ti与反射光强度Ni(x)均起到调整图像亮度的作用，因此，可将雾图成像简化模型中局部子块的透射率ti合并至反射光强度Ni(x)中，由N′i(x)表示；

(2‑b)寻找原始雾图中满足雾图成像简化模型的局部子块，具体包括：

(2‑b‑ⅰ)将原始图像分成大小为w×w不重叠的子块；

(2‑b‑ⅱ)对于每一个图像子块所包含的像素在RGB三维特征空间进行主成分分析，获取该子块像素在RGB特征空间的特征值λ1，λ2，λ3及其对应的特征向量V1，V2，V3，其中特征值满足λ1≥λ2≥λ3；

(2‑b‑ⅲ)根据雾图成像简化模型可知，满足该模型的局部子块，其像素在RGB空间符合线性分布，因此，通过定义下列条件(Ⅰ)～(Ⅲ)，筛选符合雾图成像简化模型的图像子块，其中，被选取的符合雾图成像简化模型的图像子块须同时满足条件(Ⅰ)～(Ⅲ)：(Ⅰ)特征向量V1方向为正；最大特征值λ1对应的特征向量V1反映局部子块的线性分布方向，即反射光色度Mi的方向；由于Mi具有非负坐标值，因此，符合雾图成像简化模型的图像子块对应的特征向量V1的方向也应为正；(Ⅱ)特征值满足λ1＞τ1且 其中τ1和τ2为预先定义的阈值；特征值的大小反映像素在其对应的特征向量方向投影的离散程度，特征值越大，表明像素在其对应的特征向量方向投影越分散；若某局部子块像素较好的符合线性分布，则对该子块进行主成分分析将得到单个、较大的特征值；因此，可通过条件λ1＞τ1且 约束图像子块的线性分布；(Ⅲ)图像子块不包含边缘像素；雾图成像简化模型成立的先决条件是假定局部子块内像素具有相同的反射光色度和透射率,而具有上述特性的局部子块通常为图像平坦区域，不存在边缘像素，因此，本发明采用Canny算法检测图像中的边缘，并去除包含边缘像素的图像子块；

(2‑c)对于每一个满足雾图成像简化模型的局部子块Subj，其中 且Num1为局部子块总数，采用主成分分析获取Subj中像素分布所对应的直线lj，具体包括：对Subj所包含的像素在RGB三维特征空间进行主成分分析，获得的最大特征值对应的特征向量所指示的方向即为直线lj的方向，同时定义直线lj过Subj局部子块像素在RGB空间分布的质心，即可获得直线lj的偏移量；

(2‑d)对于每一条不经过原点的直线lj，构建过该直线与原点的平面，并利用所构建平面两两相交，获取多个候选方向向量 其中 且Num2为候选方向总数，不同平面两两相交的交线所示方向，即为候选方向向量

(2‑e)对于每一个候选方向向量 计算该方向向量 所示直线与每一条直线lj的距离dkj,并求平均距离(2‑f)选取最小 值对应的 所示方向作为最终的大气光方向；

(3)针对原始雾图，采用四叉树子空间层次搜索法求解图像中的大气光矢量A的幅值，具体过程如下：(3‑a)将输入图像划分为4个大小相等的子块Sq，其中q＝1,2,3,4，分别计算每个子块R、G、B三个分量的均值 和方差(3‑b)对于每个子块Sq，累加其R、G、B每个分量的均值与方差之差的绝对值，作为该子块的得分(3‑c)若子块像素数目大于预设阈值α，则选取Scoreq得分最高的子块重复步骤(3‑a)和(3‑b)，否则选取Scoreq得分最高的子块中亮度最高的像素p的亮度值 作为大气光幅值,其中pR、pG、pB分别表示像素p在R、G、B三个彩色通道上的分量值；

(4)根据已求解的大气光矢量值A，求解雾图中每个像素的透射率t(x)，具体包括：(4‑a)将步骤(1)中所述雾图成像模型变形为经过大气光A的线性方程：

I(x)＝t(x)·(J(x)‑A)+A

由于大气光矢量A已被求解，将线性方程I(x)＝t(x)·(J(x)‑A)+A的RGB空间坐标原点移至大气光A处，得到IA(x)＝I(x)‑A＝t(x)·(J(x)‑A)；

(4‑b)采用球面坐标系表示IA(x)：

其中，r(x)表示像素点x到原点的距离，即||I(x)‑A||，θ(x)和 分别表示像素点x在球面坐标系中的经度和纬度；

(4‑c)根据图像像素的经度和纬度值，采用K‑means对图像像素进行聚类，将经、纬度相近的像素点聚成一类；

(4‑d)对于每个类别Lg，其中g＝1,2,...,Num3且Num3为类别总数，首先获取Lg中像素到球面坐标系原点的最远距离 然后采用如下公式求解该类别Lg中每一个像素x的透射率t(x)：(5)运用已求解的大气光矢量值A和透射率t(x)，对雾图成像模型I(x)＝J(x)t(x)+A(1‑t(x))进行逆向求解，即可得到去雾后的真实场景图像J(x)。

2.如权利要求1所述的一种无监督图像去雾方法，其特征在于：所述w优选5～25之间的自然数，τ1优选2～8之间的常数,τ2优选6～16之间的常数，α优选100～2500之间的自然数。