受雾霾微粒影响，含雾图像清晰度及色彩饱和度降低，图像质量产生退化。图像去雾算法能够有效提高含雾图像能见度、改善图像视觉效果，因此具有十分重要的研究价值。结合含雾图像特征，本文着重研究了基于物理模型的图像去雾算法，主要工作如下：
　　(1)针对当前全局大气光估计方法存在易受极值区域影响，导致大气光估计产生偏差的问题，提出了一种基于最小方差投影的全局大气光估计方法。通过将图像沿行列方向投影，分析不同行列的平均亮度值及临近行列间亮度变化情况，来求解大气光候选区域，提高了全局大气光估计的可靠性。
　　(2)针对单一大气光值求解的复原图像难以兼顾亮度与远景去雾效果的问题，提出了一种基于大气光值图的暗通道图像去雾算法。算法中设计了一种基于场景深度的区域大气光求解方法，然后将求解的区域大气光与最小方差投影法求解的全局大气光进行融合，提出了一种新的大气光值图估计方法。并针对暗通道理论对浓雾及高亮区域效果不佳的问题，按照大气光值图对该区域透射率进行调整，改善了复原图像质量。
　　(3)针对局部先验理论求解的透射率精度不高，复原图像能见度较低的问题，采用基于非局部信息的雾霾线先验理论，提出了一种基于雾霾线理论与相对总变分正则化的图像去雾算法。算法中对于透射率粗估计在部分位置可能存在偏差的问题，通过计算像素点的透射率可靠性，设计了一种基于最小通道的透射率修正方法；对于透射率中存在大量纹理的问题，设计了一种基于相对总变分模型的透射率优化方法，改善了浓雾及景深突变区域的复原图像质量。
　　(4)为了进一步提高算法性能，对改进后的大气光值图及透射率求解方法进行优化整合，结合新定义的引导相对总变分模型，提出了一种基于大气光值图与引导相对总变分正则化的图像去雾算法作为本文最终算法，并应用主观及客观评价指标对本文及对照算法得到的复原图像进行对比。实验结果表明，本文算法能够进一步提高复原图像能见度，提升图像质量。