随着传感器技术和计算机视觉技术的不断发展,户外视觉系统得到了越来越广泛的应用。而在雾、霾等恶劣天气条件下,由于受到大气粒子的散射作用,导致捕获的图像内容模糊不清,色彩和对比度大幅下降,这极大地影响了视频监控、跟踪、智能导航等视觉系统的正常工作。因此研究如何实现图像在雾、霾等恶劣天气条件下的去雾问题将有着非常重要的意义。　　 本文针对有雾的图像,分析雾的机理,从图像增强和图像复原两种方法来研究去雾的效果和方法适用性。在图像增强方面,通过分析多种经典图像增强方法,深入研究了基于色彩恒常性的Retinex算法,实现图像去雾,通过对薄雾图像的实验,Retinex能够取得较好的去雾效果。但是对于浓雾、不均匀的雾的情况下,Retinex算法则表现出去雾不彻底。为了研究彻底的图像去雾,本文从图像复原角度,在深入研究了大气散射物理模型及常见的图像复原方法的基础上,结合实验室己取得的成果,对基于暗原色先验去雾算法进行了深入研究并提出改进算法,弥补了传统暗原色先验算法的三点不足,即实时性差、去雾图像偏暗、适应性有限。在实时性方面,本文提出利用快速双边滤波来代替原算法中比较耗时的抠图步骤,极大地提高了算法的实时性。针对去雾图像偏暗,本文深入分析了暗原色先验算法导致去雾后图像偏暗的原因,并提出透射率修正算法,实验表明这种算法切实可行,有效恢复了场景的对比度和颜色,显著提高了图像的视觉效果。针对暗原色先验对于图像存在大片天空的情况下容易失真,提出了弱化该区域的方法,提高了算法的适应性。　　 最后,本文在VC++6.0和MATLAB平台下,运用OpenCV开源计算机视觉库编程完成了本文提出的算法。实验表明,本文基于Retinex算法的图像增强去雾算法能够较好去除薄雾,改进的暗原色先验去雾算法从根本上去还原图像的原来状态出发,通过本文的方法改进,达到了预期的效果。