随着计算机技术的发展,计算机视觉系统已广泛应用于众多的科学、工程以及军事等领域,然而,在雾、霾等恶劣的天气条件下,获取到的图像往往视觉质量不佳,这将对许多户外计算机视觉应用产生不利影响。因此,图像去雾变得至关重要,是目前计算机视觉领域广泛研究的一个重要内容。针对暗原色先验理论在去雾过程中存在的部分图像边缘模糊、纹理细节丢失、且图像噪声扩大的不足,本文提出了两种不同的图像去雾算法:（1）考虑到变分模型能有效去除图像噪声,保持图像边缘,本文首先结合暗原色先验理论与TVBH（Total Variation-Bounded Hessian）模型提出一种新的变分去雾算法（H-TVBH算法）,并为其设计了分裂Bregman算法,提高了算法的运算效率。（2）针对部分纹理细节丢失的问题,提出了基于暗原色先验与OSV（Osher-Sole-Vese）、VO（Vese-Osher）图像分解模型的图像去雾算法（H-OSV算法、H-VO算法）。通过OSV、VO模型对原始图像进行分解得到图像的结构部分与纹理部分,利用暗原色先验理论对结构部分实现去雾,保留纹理层信息,最后将去雾后的结构层与纹理层融合得到最终清晰图像。该方法使得去雾后图像在提高对比度的同时最大化地增强图像的纹理细节。为验证本文所提两种算法的有效性,在LIVE Image Defogging数据库的基础上进行了大量的实验,并从中选取了几幅图像进行分析说明,从主观与客观两方面对图像去雾效果进行分析评价。通过客观评价指标峰值信噪比、结构相似性、雾感知密度和新增可见边对比度增强评估的比较证明,本文方法具有较大的峰值信噪比、结构相似性、新增可见边之比和可见边的规范化梯度之比,较低的雾感知密度和饱和黑色或白色像素点的百分比,去雾效果良好。