在雾霾等恶劣天气下拍摄的图像,因为受到环境中多种不同悬浮物对光的吸收、散射等影响,最终获得的图像清晰度降低,呈现出对比度明显降低,色彩失真,细节模糊等效果。然而目前的户外视频监控系统等众多应用都是以输入图像或视频具有高清晰度为前提,故降质的图像对后续识别目标物体、分析图像以及计量结果的准确性都将产生很大的影响。因此,研究高质、快速、普适的去雾原理与方法具有很高的理论意义和应用价值。近年来得益于大气散射模型的提出,图像去雾领域取得了突破性的进展,诸多学者提出了有效的去雾算法。本文首先分析了目前单幅图像去雾领域被广泛认可的暗通道先验去雾算法,针对其对天空区域不适应而产生色偏,过增强等负面视觉效果的问题进行改进,提出一种新的基于天空识别的单幅图像去雾方法。主要研究工作如下:首先,基于对上千幅户外图像的观察,总结天空区域具有的视觉特征,提出一种新的天空区域特征先验,并基于先验知识构建出天空区域特征图。最后通过形态学开运算对天空区域特征图进行优化,消除细小噪声。实验结果表明,本文算法在各种不同场景下均能准确识别出图像中所含天空区域,识别结果稳定准确。其次,为了解决目前主流算法存在的大气光误判问题,在天空识别的基础上,考虑到大气光理应存在于天空区域,且具有较低饱和度。借助构建的天空区域特征图,重新定位大气光候选区域,提出改进的全局大气光估计方法,提高大气光估计的准确性。实验结果表明,本文所提改进大气光估计方法能够在复杂场景下准确定位到大气光所在位置,使得估计结果更加准确。由于暗通道先验理论在天空区域失效,导致天空区域透射率估计值偏低,去雾后存在噪声放大,色调偏移,过增强等负面视觉效应。本文在天空识别的基础上,对天空区域和非天空区域采用独立透射率估计,提出一种基于平均饱和度先验的透射率估计方法,并利用导向全变分模型优化透射率图。最后,结合改进的全局大气光估计方法,根据大气散射模型恢复出清晰图像。对比实验表明,本文算法在消除了天空区域负面视觉效应的同时,提高了去雾的计算效率,使得算法能够应用于实时处理中。