雾天成像由于清晰度低、细节模糊,对图像的分析和计量造成很大的影响,因此,研究一种快速、有效的图像去雾算法具有很重要的理论意义和实际价值。本文对现有的两大主流去雾算法,一种是暗通道先验去雾算法,另一种是颜色衰减先验去雾算法,这两种算法在图像去雾领域中是效果较好和作为对比最频繁的两种算法。本文对两种算法的原理和缺陷进行了深入分析,以此为基础提出了改进方法,论文的创新性内容如下:1)提出了一种基于天空修正和梯度引导滤波的暗通道去雾算法。针对暗通道算法采用定值暗通道窗口存在的问题,提出了自适应选择暗通道窗口大小的方法。针对暗通道算法对天空失真的问题,使用超像素分割和Harris角点检测划分出天空区域,提出了更具普适性的天空区域透射率修正的方法。针对非天空区域透射率块效应的问题,提出使用平均饱和度理论并融合边缘检测计算非天空区域透射率的方法。在透射率优化上,提出了基于梯度信息的引导滤波方法,根据图像不同区域的纹理特性选择相适应的滤波参数,优化结果优于使用定值参数结果,同时改进引导图减少了计算时间。最后使用图像的透射率作为权重进行融合增强。本章算法结果清晰度高,边缘细节保持好,对比原算法在新增可见边比和平均梯度比上分别增加了约0.3和0.4。相比第四章算法,本章算法更适用于含有天空区域以及景物边界较多的有雾图像。2)提出了一种非均匀雾浓度下的颜色衰减先验去雾算法。针对大气光定位不准确的问题,通过大津算法、边缘提取、形态学膨胀和图像融合来准确定位大气光。提出了基于雾浓度模型的自适应选择大气散射系数的方法,能够根据不同区域雾的浓度自适应选择去雾力度。改进了原算法景深计算耗时较长的问题,并提出了景深修正的方法。使用曲率滤波优化景深图,对比了三种曲率滤波最终选用高斯曲率滤波进行优化。考虑到传统增强算子的不足,使用一种多尺度金字塔融合算法并对其进行了改进。本章算法相比原算法在色彩、饱和度、主观视觉方面都具有显著优势,饱和像素百分比的值大约是原算法的四分之一。相比第三章算法,本章算法更适用于雾浓度不均匀以及含有特殊高亮区域的有雾图像。