雾霾等天气状况严重影响室外信息系统采集到的图像质量,使其对比度降低、颜色失真、细节模糊,不仅影响人类视觉上的美观,还影响图像中信息的采集,导致计算机系统无法对图像进行后期处理。现如今,雾霾等恶劣天气频发,室外获取的不清晰图像增多,图像清晰化已成为一门重要的研究课题。为减少有雾图像对图像识别系统的影响,保证室外系统的正常运行,本文在基于物理模型去雾算法基础上对暗原色理论去雾算法进行深入研究,并针对暗原色图像去雾算法局限性提出改进方法,具体研究内容如下:(1)针对暗原色图像去雾算法中大气光值误判问题,提出一种天空检测方法,在天空区域求取大气光值,改善大气光值误判现象。首先通过分析天空检测必要性,利用大津法进行天空分割,为弥补大津法在分割时的不足,使用加权灰度化方式增强有雾图像细节,再结合阈值调整策略、形态学腐蚀和高斯模糊进行天空与非天空区域的粗分割。其次通过分析快速导向滤波的边缘保持特性,利用快速导向滤波对天空区域粗分割结果进行细分割。最后提出一种判断机制,判断图像中是否存在天空,将天空区域的暗原色均值作为大气光值。实验结果表明,本文方法能获得较为精细的天空区域,所估计的大气光值更精确与实际情况较符合,算法时间效率较高。(2)针对暗原色图像去雾算法中天空区域透射率失效问题,提出一种透射率融合机制,改善图像去雾的整体效果。首先通过分析图像亮度信息与场景深度的关系,利用一种亮度模型代替天空区域深度信息,应用于天空区域透射率的求解,将带有亮度信息的透射率和暗原色透射率进行融合。其次通过分析透射率融合时特征,确定融合权重图的来源,以及利用Sigmoid函数对融合权重图进行自适应调整。最后通过快速导向滤波细化融合后的透射率图,再反演雾天图像退化模型进行图像去雾。实验结果表明,本文方法图像去雾的效果良好,从主观效果和客观指标两方面分析说明本文方法具有普适性和鲁棒性。