有雾天气条件下获取的图像对比度低、图像内容模糊不清而且颜色整体偏向灰白色,图像去雾的目的就是恢复有雾图像的对比度和真实色彩,重现在理想天气条件下拍摄的清晰图像。鉴于图像处理和计算机视觉中有关图像理解、目标识别、目标跟踪、智能导航等领域的很多算法都是假设输入的图像或视频是在理想天气条件下拍摄的,因此有雾图像清晰化就显得格外重要,是目前人们研究的热点问题之一,近年来在国际顶级期刊和会议上不断有新的算法被提出来。本文深入分析了有雾天气条件下图像成像的物理过程,回顾了有雾天气条件下基于大气散射物理模型的图像退化模型和一些常规图像增强算法,多幅图像去雾算法以及单幅图像去雾算法。在充分研究最近十几年有关图像去雾算法的基础上,提出了在贝叶斯框架下利用稀疏先验来实现单幅图像去雾。对于输入的一幅有雾图像,会存在一幅清新图像与之相对应,我们就是要求清新图像在有雾图像已知情况下出现的概率最大,为此利用图像的统计模型建立了贝叶斯框架。该框架下每个概率项都有其具体的含义。对于清晰自然图像,其图像统计具有尖峰长尾特征,稀疏先验能够很好的刻画这种性质,图像中的噪声可以认为是高斯白噪声,场景深度可以认为是局部平滑的。为了求解该贝叶斯框架,我们利用MAP(Maximum A Posteriori Probability),使用交替优化方法和IRLS (Iterative Reweighted Least Square)算法来求解优化问题。为了进一步说明本文算法的有效性,本文和最近在国际顶级会议上发表的三种算法做了对比实验,并分析了各种方法的优点和不足之处。通过对比分析,本文算法的有效性得到进一步证实。