雾天条件下会降低大气的能见度,使拍摄的景物图像发生降质退化,这将会严重影响户外图像的采集与处理。因此,深入研究雾天降质图像的复原和图像中景物的细节信息的增强有着非常重要的现实意义。鉴于暗原色先验算法能复原不同雾浓度和场景深度的图像,而变分模型能较好地保持图像边缘和纹理等特征,故本文融合暗原色先验与变分模型,提出了四种改进的单幅彩色图像去雾模型。首先,将暗原色先验与MTV(multichannel total variation)模型相结合,提出了改进的去雾算法H-MTV模型,并利用Dual Bregman算法,通过引入辅助变量和Bregman迭代参数将问题转化为对偶变量的半隐式迭代来求解该模型。其次,结合暗原色先验与CTV(color total variation)模型,提出了改进的去雾算法H-CTV模型,并为其设计了相应的Split Bregman算法来求解该模型。基于局部算子的变分模型用于彩色图像去雾时往往存在边缘、纹理模糊等问题,而基于非局部算子的变分模型能较好地保持图像边缘和纹理等特征,因此将传统的MTV模型和CTV模型推广到基于非局部算子的NL-MTV(non-local multi-channel total variation)模型和NL-CTV(non-local color total variation)模型,再结合暗原色先验模型,提出了两种基于非局部算子的H-NL-MTV模型和H-NL-CTV模型,以实现图像去雾。为验证本文提出算法的去雾效果,将He、Kimmel Retinex等经典算法与本文提出的H-MTV模型、H-CTV模型、H-NL-MTV模型和H-NL-CTV模型的实验结果,通过主观质量评价和客观质量评价分别进行对比分析。多种质量评价方法进一步验证了本文提出的四种模型的去雾效果无论从视觉效果上,还是客观数据上,都要优于两种经典算法。