随着图像处理技术的不断发展，户外视觉系统得到了广泛的应用。然而，现有的视频监控、目标跟踪、智能导航等户外视觉系统都对天气状况非常敏感，在雾霾等恶劣天气条件下，由于空气中大气粒子的散射作用，导致拍摄到的图像模糊不清，对比度和色彩都严重退化。因此，研究如何对恶劣天气条件下拍摄的图像实现去雾处理，获得清晰自然的无雾图像有着非常重要的理论和实际意义。本文在深入研究雾霾形成原因和雾天图像成像特点的基础上，从图像增强和图像复原这两个方面来分析研究去雾的效果和算法的适用性。在图像增强方面，通过分析研究多种图像增强方法可知Retinex算法不仅处理速率很快，而且适用范围也较广，因此本文着重研究了基于中心环绕的Retinex算法，并用该算法实现了图像去雾。在图像复原方面，暗原色先验的去雾算法能够达到良好的去雾效果，因此本文在分析研究大气散射模型和引起雾天图像降质原因的基础上，深入研究了基于暗原色先验的去雾算法，并用该算法实现了图像去雾。同时从雾天降质图像退化模型入手，提出了一种快速去雾算法。最后，为了验证本文算法的有效性，在Matlab7.0环境下运行了各种算法，并对处理后的图像从对比度，平均梯度和信息熵这三个方面进行了质量评价。本文的创新点主要体现在以下两点：1）本文引入导向滤波器来代替已有的软图像抠图算法以优化透射率图。导向滤波器的输出图像是在保持输入图像整体特征的基础上，对图像的边缘进行平滑，剔除图像中所含的噪声，获得图像变化的细节信息，使去雾后的图像不会出现白边现象，同时使算法的运行效率大大提高。2）本文提出了一种快速地高斯滤波去雾算法。该算法步骤简单，运行效率较高，整个处理过程只需要一次简单的高斯滤波对环境光和全局大气光进行估计即可复原出清晰的无雾图像。实验结果表明，不管是基于图像增强的去雾算法还是基于图像复原的去雾算法都能很好地去除图像中所含的雾气，提高图像的对比度，改善图像的视觉效果，使得它们在处理户外视觉系统拍摄到的有雾图像时具有一定的应用价值。