据数据统计,每年在全球范围内大约发生火灾600—700余万起,造成大概30万人死亡。现在已有采用无人机先观察火灾现场情况,再考虑采取何种救援措施的方法。但是火灾时会产生大量的烟雾,烟雾中夹杂着的微小颗粒会使大气产生散射作用,影响无人机采集到的图像的质量。被烟雾影响到画质的图像会使救援人员无法很好地判断火灾现场状况,这大大影响到了救灾行动的效率。因此,研究有效且快速的去烟雾方法,对现场采集到的图像进行去烟雾处理,然后让救援人员根据清晰的图像,判断火灾现场状况来更有针对性地采取更有效的方法救灾。本文构建了火灾场景降质图像的自适应去烟雾处理系统,首先对火灾场景的图像进行预处理和根据图像光照强度进行分类,然后针对光照强度大的图像采用基于Retinex理论的算法,并根据火灾场景图像的特点优化该算法;针对光照强度小的图像采用暗通道先验算法,同时优化该算法。由于采集到的图像总体偏暗,首先本文采用基于模糊理论的算法提高图像亮度和对比度。然后对采集到的火灾场景的图像根据图像光照强度进行分类;采集到的图像一般可分为白天室外、白天室内、夜晚室内、夜晚室外这四种。白天室外属于光照强度比较大的,适合采用基于Retinex理论的算法;白天室内、夜晚室内、夜晚室外这三种属于光照强度比较小的,适合采用暗通道先验算法处理,所以提出对火灾场景图像进行分类的算法。本文针对火灾场景烟雾图像的特点分别对基于暗通道先验的算法和基于Retinex理论的算法进行算法优化。首先深入研究了基于暗通道先验的图像去雾算法,针对求解透射率部分的算法效率比较低导致暗通道先验算法中的计算量大、计算效率低,提出通过缩小求解透射率时的采样样本,然后用插值法的方式求得原图透射率的解决方法,来优化求解透射率的效率;针对暗通道先验算法在天空等明亮区域会错误估计透射率导致图像的天空等明亮区域产生过曝的问题,提出了对疑似天空区域的重新验证与判断,来确定该区域是否真正属于天空区等明亮区域,并通过分割天空等明亮区域并对它重新求解得出正确的透射率,该方法能有效地防止天空区域产生过曝现象;针对暗通道先验算法进行去烟雾处理后的图像会产生色彩偏暗的问题,提出了优化后的自动色剂算法对图像进行对比度、亮度调节,实验表明,该方法能有效地增强图像色彩亮度与对比度,使图像显示效果更好。针对基于Retinex理论的图像去烟雾算法运行效率低和处理后的图像色彩偏暗的问题,本文提出了利用拉普拉斯算子对图像进行边缘提取,单独对HSV空间的V分量进行亮度和色彩增强,从而有效地提高了算法运行效率,并获得较好的去烟雾效果。本文充分改进了暗通道先验算法和基于Retinex理论算法,并实现了系统自适应去烟雾处理,通过仿真实验验证了本文所提出的去烟雾系统的有效性和实用性。