图像在生活中的各个方面都有应用,如民用领域的医学成像、电子监控、人脸识别、遥感航空航拍、指纹分析、机器人视觉和自动驾驶、智能小车等,以及军用领域的坦克、装甲车、火炮、导弹、BAT子弹药都有体现,但是在图像的采集或存储运输时,由于环境条件、设备条件或传输压缩等原因,图像质量会出现下降,为了精确地分析图像,我们需要进行增强处理。本文对目前图像增强方法的研究现状进行分析,传统的基于暗通道先验算法存在边缘、纹理模糊,噪声去除不彻底等问题,处理效果并不理想,考虑到传统暗通道先验算法存在的局限性,本文结合偏微分方程以及全变分模型提出了三种在暗通道先验基础上的改进算法模型,针对传统算法的不足进行改进,并对几种算法设计了图像增强效果、边缘保持效果、信息获取能力和计算效率的对比实验。本文的主要工作包含以下三个部分。（1）将偏微分方程算法与暗通道先验方法相结合,应用此改进算法对带雾图像进行增强去雾处理,设计增强效果和运行时间的对比实验,验证改进算法的图像增强效果。（2）将全变分模型的规则项与暗通道先验方法相结合,提出了三种新的改进算法,利用MTV（Multichannel Total Variation）模型和CTV（Color Total Variation）模型对图像进行增强去雾处理,并通过实验验证算法改进成效。（3）将本文提出的三种改进算法与几种传统图像增强去雾算法进行比较,经过主观和客观评价之后发现,本文改进方法对图像的处理效果更好,去雾去噪效果更强,边缘保持效果更好,信息获取更多,计算效率也更高。