随着人工智能技术的快速发展,利用摄像头和计算机设备代替人眼视觉完成跟踪、识别、分析、处理的计算机视觉技术成为了目前计算机应用最热门的研究方向之一,并逐渐应用到人脸识别、图像检索、视频内容理解、医疗影像诊断、工业视觉和无人驾驶等领域。然而,户外计算机视觉系统容易受到天气条件的影响,我国近几年的雾、霾发生频率增加,尤其在秋冬季节,在雾、霾天气条件下,由于物体的反射光在到达摄像头之前,受到空气中悬浮的气溶胶颗粒(灰尘和水滴)的散射和吸收,导致图像细节丢失、对比度和饱和度下降,阻碍了计算机设备对图像的分析与处理。因此,提高雾天图像可见度和增强系统鲁棒性对于计算机视觉系统至关重要。本文对目前经典的传统方法和深度学习方法进行了分析与讨论,针对算法存在的缺陷提出改进算法。论文研究以大气散射模型为基础,并取得了一定的研究成果,本文研究工作如下:(1)针对暗通道先验算法在景深突变处出现光晕现象和远景区域去雾不足的问题,提出了一种基于融合与高斯加权暗通道的单幅图像去雾算法。首先,根据图像形态学梯度的特点,将形态学梯度图像与暗通道图像线性融合获取融合暗通道;其次,构造自适应的高斯权重参数对融合的暗通道图像逐像素处理获取粗透射率,并使用L1正则化优化透射率;最后,通过大气散射模型与修复的大气光值恢复无雾图像。仿真实验表明,算法可以较好的恢复出图像的细节并抑制光晕现象,与几种典型的图像去雾算法的客观对比,证实了算法的可行性。(2)针对现有算法对大气光值选取不准确的问题,提出了一种近大气光区域检测和透射率约束的单幅图像去雾算法。考虑到大气光受大气中悬浮介质的散射作用形成背景光,会导致图像可见度降低,首先利用大气光区域特征反向映射出图像中近大气光区域,求取更准确的大气光值。然后对透射率进行边界约束和近大气光区域透射率优化,再通过高斯模糊的方法消除伪影以获得更为精确的透射率估计。最后采用大气散射模型复原有雾图像。实验对比结果表明,所提方法可以有效恢复出降质图像的颜色和细节,客观实验指标表明该算法可以有效提高图像的可见度。(3)针对传统基于先验信息去雾算法在某些特殊场景失效的问题,提出了一种基于注意力机制的端到端卷积去雾网络。网络主要分为参数估计和图像复原两个模块。首先,应用多尺度卷积提取图像特征信息,采用残差网络和跳跃连接方式提高浅层网络特征信息的利用率。其次,利用通道域注意力对前层网络输入的特征图像附加权重,选取有用特征信息。最后,结合大气散射模型实现图像可见度复原。实验结果表明,所提算法能够有效提高图像能见度且复原效果自然,在合成图像与真实图像的客观评价指标也表明了算法的有效性。