雾天条件下获得的图像,因为受到大气散射的影响,图像对比度降低、模糊不清、细节信息不明显以及颜色失真,严重影响图像的利用价值。并且上述视觉效果不佳的雾天图像给判定目标带来了一定的困难,限制了室外视觉系统如智能导航、公路监控、卫星遥感等系统的正常工作。此外,大雾天气还对人们的出行造成了极大的影响。本文主要研究了结合大气散射模型和暗原色先验的图像去雾算法,主要研究内容如下：(1)针对天空等明亮区域不满足暗原色先验,去雾后该区域会出现颜色失真等问题,设计了基于多阈值的天空区域检测和透射率修正算法。首先,详细分析总结天空区域特征以及规律,通过设置3个阂值——亮度阈值,细节信息阈值,透射率阈值来检测天空区域。然后,通过引入容差机制对检测到的天空区域透射率进行修正,得到更加准确的透射率估计。实验结果表明,本文算法不仅可以比较准确的检测到天空区域,并且通过透射率修正,有效的抑制了天空区域的颜色失真。(2)为避免现有算法细化透射率会模糊景深信息的问题,通过对景深突变区域的检测,然后对该区域进行最小值滤波以保持景深信息。该算法利用暗原色图可以粗略的代表景深信息,通过两幅不同模板求取的暗原色图的差值寻找到景深突变区域。然后对景深突变区域处的透射率进行最小值滤波。仿真实验表明,设计的算法可以较好的保持景深信息,使该区域去雾更彻底。(3)针对上述算法速度较慢等问题,设计了基于双区域滤波的去雾方法,该方法利用快速的中值滤波来实现快速去雾。通过降低滤波图像的像素值以改善中值滤波去雾后结果偏黑的现象。最后通过双区域滤波即中值滤波结合最小值滤波来抑制黑斑现象。实验结果表明,该算法在速度上有很大提升,相对于直接的中值滤波去雾,本文算法的去雾结果颜色更加自然,很好的解决了去雾结果整体偏暗,叶子节点等细小缝隙易产生黑斑等问题,使得细节信息更加丰富。