当今社会雾霾的存在对交通秩序、监控、旅游拍照、军事侦察等各个领域都产生了重大影响。数字图像去雾技术在提升人们的视觉感官方面发挥了巨大的作用。近年来图像去雾技术飞速发展,随着理论与硬件设备的不断进步,实现图像去雾在日常生活中的应用已经变成了可能。实现这一目标需要解决两个问题,一是对于不同环境下的雾霾获得效果良好的自适应去雾效果,二是在现有硬件条件下做到满足人眼观感要求的实时去雾处理。为了解决这两个问题,本文的主要工作包括以下三个方面。(1)图像雾霾浓度自适应处理。通过边缘提取算法差异化计算去雾透射率。不同的天气以及地理位置导致在一些特定雾霾环境下,拍摄的图像会出现明显的雾霾浓度差异。这种差异要求对图像的区域雾霾浓度进行精确的计算,而图像的区域雾霾浓度是由区域场景深度决定的,利用图像边缘提取算法估算场景深度,针对不同的场景深度进行透射率的补偿,场景深度高的区域获得较低的透射率补偿,反之,场景深度低的区域获得较多的透射率补偿,从而大幅提高去雾后图像的整体清晰度。(2)去雾边缘模糊问题分析与处理。利用二次引导滤波技术细化去雾图像边缘信息。先对透射率图进行第一次引导滤波,求出初步的去雾图像,然后将初步的去雾图像作为引导图进行第二次引导滤波。最后用二次引导滤波求出的细化后的透射率图进行去雾图像的求取。通过二次引导滤波能够利用好图像的边缘信息,使得滤波后的透射率图图像边缘细节更加清晰。(3)多线程算法设计。以GPU多线程平台为基础,对算法重新设计,降低延迟,实现对高帧频高分辨率图像的处理。将整个算法中每一个子步骤基于GPU的加速平台重新进行大规模并行计算设计,利用GPU高并发,低延迟的特性,大幅度提升算法的整体运行效率,相比于传统的CPU算法设计获得了超过三十倍的加速比。本文通过透射率补偿的方式使得去雾图像远景与近景去雾程度保持一致,并通过二次引导滤波的方式提升了去雾图像的整体锐度,极大提升了图像的去雾效果。最后基于GPU多线程平台,设计出一种实时的去雾算法。