随着计算机技术的发展,智能化成为生活的一种标志,各种智能设备也渐渐应用到人们的日常生活中。计算机视觉在监控系统、导航控制和自动驾驶等领域发挥着重要作用。然而,这些户外图像处理系统极易受天气条件的影响,在雾霾等恶劣条件下,空气中存在大量灰尘、水蒸气液滴等介质粒子,致使成像过程中相机等设备会发生散射和折射,经常会影响捕获的图像质量,从而降低色彩保真度。由于有雾图像中细节的丢失,导致许多依赖于光学图像的计算机视觉应用无法很好地工作。因此,在计算机视觉应用和计算摄影中对图像进行清晰处理非常关键。论文研究了雾天图像退化物理模型,以线性变化理论和大气照明先验为基础,提出了三种新型图像去雾算法。(1)为了解决暗通道先验算法中明亮区域透射率估计不足及景深边缘处出现Halo效应的问题,提出了一种基于高斯衰减的自适应线性变换去雾算法。首先建立关于有雾图像与无雾图像最小通道之间的线性变换模型,估计出粗略透射率,再利用有雾图像最小值通道构造高斯函数以自适应补偿估计明亮区域透射率,提升透射率的准确度,最后使用交叉双边滤波器消除透射率纹理效应。实验结果表明,所提算法能有效改善明亮区域色彩失真问题,消除景深边缘Halo效应,复原的图像细节明显,饱和度适宜。(2)针对现有的图像去雾算法在白亮区域透射率估计不准确的问题,且复原图像色彩失真以及细节丢失严重等情况,提出了一种基于线性变换的自适应透射率去雾算法。首先在YCbCr空间中,构造反S型函数对亮度分量进行尺度压缩,以此减弱高亮像素的影响,再通过线性变换模型对压缩后的亮度分量作增强处理,利用高斯函数对亮度分量进行卷积操作得到一个自适应控制参数,自适应参数通过亮度信息调整复原图像质量。通过仿真实验验证,所提算法可以准确估计透射率,去雾彻底,明显改善了白亮区域色彩失真的现象,同时复原图像具有更多细节和边缘信息。(3)为了有效估计雾霾场景下图像的深度信息,复原出清晰的无雾图像,提出一种自适应的亮度分量正相关去雾算法。雾霾天气下的大气照明对不同的色彩空间有不同的影响,有雾区域主要集中在YCbCr颜色空间中的亮度通道上,而较少集中在色度通道上,有雾图像的亮度通道与其深度图之间的正相关通过线性模型来反映,基于该线性模型,估计出图像景深信息,再通过景深构造指数函数自适应求取大气散射系数,获得透射率的精确估计。实验结果表明,该算法能够有效去除图像雾气干扰,获得的图像饱和度适宜,在客观评价指标中也有一定的优势。