在雾、霾等天气条件下采集到的图像,存在对比度较低、颜色失真、场景细节损失等严重的质量退化现象,这极大地限制和影响了户外计算机视觉系统效用的发挥。因此,图像去雾技术显得尤为必要,成为计算机视觉和图像增强领域研究的热点,具有广阔的应用前景。在实际应用中,图像去雾算法的速度是一个很关键的问题。基于暗原色先验的单幅图像去雾算法能够简单有效的恢复出无雾图像,最为引人注目,但是该算法需应用软抠图细化估计出的粗略透射图,以避免易出现的halo效应,而软抠图算法的计算复杂度和时间消耗量很高,无法满足实时性的要求。基于此,本文分析了雾天图像降质原因和模糊机理,深入的研究了雾天图像去雾处理的基础理论和关键技术,对已有的图像去雾算法进行完善、改进和引入新思路,做了大量的实验,具体研究内容可概括如下:(1)针对软抠图算法复杂度高、运算量大等不足之处,提出了一种新颖的利用联合LLSURE滤波器对粗略透射图进行优化的方法。改进后的算法具有线性的时间复杂度,大大提高了算法的速度,满足了实时性的要求,并且更加出色的保持了图像边缘信息,提高了透射图的估算精度,特别是对景深突变区域透射图的估算,有效抑制了halo效应和块效应。(2)针对现有去雾算法去雾后图像颜色较实际场景偏暗、亮度降低的问题,详细分析了产生该问题的原因,深入研究了大气散射物理模型,依据该模型定义了一种仿去雾图,并提出了一种基于图像融合的快速图像去雾算法。即将本文定义的仿去雾图与基于联合LLSURE滤波器去雾后的原去雾图进行像素级融合,调整去雾后图像的亮度,改善了现有去雾算法过去雾的问题。实验结果表明该算法有效恢复了场景的对比度和色彩,且在浓雾和图像颜色失真严重的情况下仍可有效恢复图像。(3)工业回转窑内的燃煤火焰图像受光照和环境粉尘的影响而模糊不清,严重影响了对火焰图像的后处理工作。针对现有去雾算法对燃煤火焰图像进行增强处理所存在的缺陷,本文提出了一种基于平均模式的图像融合去雾算法,该算法可以提高火焰图像恢复的精度。实验结果表明,利用本文方法所恢复的火焰图像更加清晰自然,且对火焰图像的各个区域均具有很好的增强效果。