雾霾是一种常见的天气现象,会造成拍摄的图像的对比度降低。这是由于大气中的水气等对太阳光的散射作用而造成的模糊。去除图像雾霾技术在交通导航、城乡公路运输、目标识别、智能交通系统、监视系统、遥感系统及军事国防等领域都具有重大的应用价值,目前已经成为计算机视觉领域和数字图像处理领域的一个研究热点。He Kaiming等人在2009年计算机视觉领域最重要的大会之一CVPR(ComputerVision and Pattern Recognition)上提出了采用DCP(Dark Channel Prior)先验知识去除单幅图像雾霾的算法。该算法以大气成像原理及大气衰减模型为基础,提出了一种新的先验知识,基于该先验知识来估算各个未知参数,取得了很好的复原效果。但是算法速度较慢,达不到实际应用的要求。本文针对该算法速度慢的问题做了以下主要工作:(1)通过对运用DCP去除单幅图像雾霾算法研究之后,我们发现该算法之所以需要优化,是因为原算法中未被优化的传输率中存在块效应,导致了复原结果产生晕轮;并且算法中利用软抠像方法的优化过程需花费较多的时间。为了提高优化算法的速度,我们对其进行了改进。考虑到块效应导致图像边缘处产生晕轮,我们对传输率进行滤波处理,使传输率统计图更加平滑,以消除块效应对复原结果产生的影响。由于块效应对边缘部分影响较大,而对平坦区域影响甚微,为了提高滤波速度,我们只对边缘处进行滤波。针对边缘滤波,我们根据图像结构信息及探测方法,设计了一种专用的滤波器。该滤波器根据边缘方向采用不同的结构。位于同一结构邻域内的像素在空间上是相关的,即其像素有相似的灰度值。我们通过对像素邻域信息的统计来估计边缘处像素的灰度值。运用该滤波器进行优化,使复原速度提高了10倍左右且复原效果较好。(2)基于DCP先验知识和大气散射光设计了一种快速去除单幅图像雾霾算法。我们首先运用DCP先验知识计算出整体大气光;然后估算大气散射光;最后通过整体大气光和大气散射光求解出传输率,该传输率无需优化,可直接通过大气衰减模型得到复原结果。该算法集合了DCP估算整体大气光较为精确的优点和大气散射光计算速度快的优点于一体,从而使得算法速度相比运用DCP去除单幅图像雾霾算法提高了14倍之多,并且复原效果与其相近甚至有时更好。