随着信息化、智能化时代的到来,计算机视觉已成为智能交通、国防和航空等领域的中流砥柱。而当今经济和科技的快速发展,使环境和空气质量每况愈下,雾霾天气频发,这又影响着户外监控系统。因此,如何高效的将有雾图像复原成视觉效果良好的图像已成为全球学者关注的热点。论文结合暗通道先验理论、大气散射模型、颜色空间、边缘保持算法、Retinex增强算法等理论进行仿真实验和总结,提出两种新型的去雾算法。(1)结合Lab空间和单尺度Retinex的图像去雾算法针对暗通道先验算法在景深突变处出现Halo效应,及明亮区域透射率估计过小的问题提出一种结合Lab空间和单尺度Retinex的图像去雾算法。首先,将RGB图像转换至Lab空间提取出亮度分量,利用Canny算子对亮度分量提取边缘信息,丰富恢复图像细节;其次,利用单尺度Retinex对非边缘区域进行高斯自适应滤波估计出优化后的亮度分量,获得“伪”去雾图像,得到粗略的透射率;然后,利用交叉双边滤波对透射率进行优化;最后,基于大气散射模型恢复出需要的无雾图像。从实验结果可以看出,该方法恢复出的图像细节明显,整体平滑,且对含大片天空区域的图像也有较好的恢复效果。(2)结合HSV空间和L0梯度分解的单幅图像去雾算法针对传统图像增强算法不考虑人眼视觉特性,提出一种结合HSV空间和L0梯度分解的单幅图像去雾算法。首先,将获取的图像转化为HSV空间图像,并对S分量使用最小通道构造高斯函数,确定有雾图像与无雾图像的线性关系,粗略估计出饱和度分量,再利用MSR算法来增强图像的饱和度;然后,利用L0梯度分解提取图像细节层。最后,使用伽马校正及JND增强算法,对图像细节层进行增强,得到恢复的无雾图像。实验结果表明,所提算法恢复图像色彩失真问题得到改善,图像细节部分恢复明显,明亮度饱和度适宜。在客观评价指标中也占了一些优势。