在恶劣天气条件下,尤其是雾、霾等特殊天气使得图像对比度下降、清晰度降低,严重影响拍摄图像的质量,成为视频监控、交通监控、目标跟踪和识别等领域的重要障碍,因此图像去雾对于雾霾天气下户外视觉系统应用有重要作用。论文研究了雾霾天气下成像的大气散射模型,重点对暗通道先验、颜色衰减先验及其去雾算法的原理和关键技术进行了分析,在此基础上,提出两种新的去雾算法,实现了雾天图像的恢复,获得了较好的效果。论文的创新性工作如下:1)提出了一种区分天空的暗通道先验去雾算法。该算法从天空区域处理、暗通道图优化、透射率细化三方面对暗通道先验去雾算法进行改进。算法首先利用高斯滤波和区域生长算法将图像分为天空区域和非天空区域;对天空区域利用容差机制和最小阈值改进透射率,有效避免天空区域出现色彩失真和紊乱;对非天空区域的暗通道图像采用自适应最小滤波和分段映射加以优化,并动态调整透射率下限,提高图像亮度。最后融合天空和非天空两部分的去雾图像得到最终去雾结果。实验结果表明,本文分割出的天空区域准确,且恢复图像的天空区域平滑,不但有效解决天空区域块效应和色彩紊乱现象,而且也解决了非天空区域颜色偏暗以及边缘不清晰的问题。2)提出了基于颜色衰减的自适应去雾算法。该算法利用颜色衰减先验建立透射率关于图像亮度饱和度的线性模型,并以新增可见边比为评价标准,给出了模型最优参数的自适应求取方法,结合引导滤波对初始透射率的优化作用,较好地实现图像去雾,该算法以评价指标为标准获取最优参数和最优恢复结果,无需人工参与。实验表明,该算法可使图像清晰度、对比度得到较大的提高,与其他算法相比,在实时性和清晰度方面有一定优势。