单幅图像去雾已经成为许多高水平计算机视觉任务中的一项重要研究,这是一个具有挑战性的问题。因为介质透射率难以估计,同时单幅图像去雾算法在天空区域可能会受到噪声放大的影响,基于多尺度融合的去雾算法能有效解决该问题。但是该方法无法有效应对图像颜色失真问题,由此,本文分析了雾霾图像质量下降机理,对现有图像去雾算法进行改善并加入新思想。首先根据雾霾图像颜色失真程度的不同,提出了一种基于自适应校正（Adaptive Correction,AC）的图像去雾算法。然后针对回转窑燃煤火焰图像受光源影响的特点,提出一种基于多曝光融合的图像去雾算法。同时进行丰富的实验,本文研究工作成果如下几点:（1）本文设计了一种多尺度视觉增强模块。首先利用伽马校正、局部对比度增强和平均对比度增强生成三幅输入图像,然后提取对比度、暗通道和饱和度三种权重图作为输入图像的权重映射,最后采用基于拉普拉斯金字塔表示的多尺度融合（Multi-Scale Fusion,MSF）策略对输入图像进行融合,解决了细节丢失,对比度和饱和度降低,以及雾霾区域亮度异常等问题。同时针对现有的去雾算法在处理颜色失真雾霾图像时效果不理想,本文还提出了一种多尺度颜色平衡模块。首先,利用白平衡和对比度受限制的自适应直方图均衡化（CLAHE）生成颜色校正输入图像,随后导出亮度和半反两种权重图,最后利用MSF策略融合输入图像,解决了雾霾图像颜色失真问题。（2）现有去雾算法,无法根据环境变化,自适应校准算法的参数以适应不同环境去雾问题。因此,提高算法的鲁棒性是去雾算法的一个瓶颈。为了在保证算法复杂度的同时提高算法对不同环境因素影响的抵抗能力,本文提出了一种自适应校正（AC）算法。首先引入白平衡图像,定义出颜色偏差图像,然后利用偏差图像中R,G颜色通道的最大值来描述雾霾图像颜色失真程度,最后根据雾霾图像颜色失真程度,自适应融合多尺度视觉增强和多尺度颜色平衡后的去雾图,用于补偿雾霾图像造成的颜色失真,有效提高雾霾图像的视觉效果和算法的鲁棒性。（3）在回转窑的工况过程中,燃煤火焰图像受光源和粉尘的影响而出现朦胧现象,严重阻碍了火焰图像的后续工作。由于现有去雾算法无法处理特有自身光源带来的影响,本文提出了一种基于多曝光融合的图像去雾算法。首先利用伽马校正对图像进行亮度调节,得到一系列人工曝光的图像,然后利用MSF策略将所得到的多幅曝光图像融合成无雾图像。实验结果表明,该算法有效地恢复了带有光源的模糊图像,所恢复的燃煤火焰图像更加清晰,并且有利于火焰图像的各个区域的辨别工作。