雾天情况下采集获取到的模糊图像,通常都会呈现出相同的特点:图像整体对比度下降、场景中的景物颜色出现偏移和不同程度的失真以及部分区域(特别是边缘部分)的细节信息丢失等现象。这些低质量特征图像会对户外视觉系统的应用带来不便,计算机系统对图像无法较好地进行处理。为减少雾天图像对户外视觉系统造成的不利影响,本文对基于暗通道先验理论的去雾方法进行深入研究,针对其算法不足提出改进措施,具体内容如下:(1)针对暗通道先验原理获得的暗通道图所存在的局限性、去雾后图像中物体边缘出现的块效应和光晕现象,提出一种自适应滤波和双通道大气光值方法。首先,采用自适应窗口滤波求取图像暗通道图,为后续计算大气光值和透射率奠定基础;其次,采用双通道图线性加权法计算大气光值,以减小图像中白色物体对大气光取值的影响,提高估值准确性;最后,结合中值滤波对透射率进行优化,减小去雾后存在的块效应和光晕现象。(2)针对暗通道先验理论在天空等明亮区域失效问题,提出一种基于双阈值分割的暗通道先验去雾算法。首先,通过双阈值分割方法检测并分割出图像中对应的天空区域和非天空区域;然后,利用四叉树算法对大气光值存在区域进行精准分块搜索,并对该值的计算方法进行优化改进;其次,修正天空区域的透射率、融合两部分区域透射率并使用引导滤波算法对融合后的透射率进行细化处理;最后,使用Gamma(伽马)校正对去雾图像进行亮度增强,以提高图像整体的清晰度和视觉效果。(3)分别对改进算法和几种经典去雾算法在不同特征雾天图像上进行对比仿真实验。实验结果表明,相对于其它几种算法,改进算法在提高原始图像对比度和清晰度的同时,能够有效改善其它方法去雾后造成的块状效应、光晕和明亮区域颜色偏移失真的现象。