计算机视觉系统已经广泛地应用于各类户外场景中,例如城市交通、视频监控、遥感成像、航拍、机器人系统、工业控制等领域,并且发挥着越来越重要的作用。但是,当雾霾严重、烟气和灰尘弥漫于空气中时,在如此恶劣的天气状况下,大量的微小水滴和气溶胶颗粒悬浮于空气中产生散射作用,这将会导致室外机器视觉系统拍摄的图像具有对比度低、色彩信息严重丢失并且掺杂大量噪声等特点,这严重降低计算机视觉系统在室外实际情况下的工作性能。因此,雾天图像的去雾处理是重要的研究课题。本文围绕雾天图像的去雾处理这一课题进行了以下研究:(1)详细分析了雾天图像的物理形成机制,结合该模型对暗通道先验去雾算法进行深入分析,明确该算法的优点与缺点,在此基础上对该算法进行发展和完善。(2)基于大量实验分析,雾气主要影响图像的低频区域,因此,利用小波变换将图像去雾算法简化为图像低频分量的去雾算法,这大幅度提高了整个去雾算法的计算效率,并且提高了整个算法的实用价值。(3)暗通道先验原理在大片天空区域失效,针对该问题,本文利用图像分割技术将天空区域合理地分割为天空区域和非天空区域,优化处理天空区域的透射率,并结合天空区域更好地估计大气光。(4)在优化粗略传输图的过程中,软抠图算法耗时过长,内存占用率过高,严重降低了整个去雾算法的性能,因此本文利用引导滤波器取代软抠图算法对粗略传输图进行优化,这在很大程度上提高了算法的计算效率,同时粗略传输图的优化处理结果也十分优异。(5)去雾后的图像整体色调偏暗,因此本文利用CLAHE算法对图像进行色彩增强处理,并引入合理的评价指标对复原图像的质量进行评价。