随着科技的发展社会的进步，机器视觉目前被广泛应用在安全监控、目标识别、遥感成像、图像分类等领域，给人们的生活带来了很大的便捷。由于雾气和雾霾情况越来越严重，导致成像设备采集到的图像会出现清晰度下降的问题，致使采集到的图像目标景物模糊，给人们的生活和工作带来了很多困扰与不便，因此，对于图像去雾技术的研究，使得图像具有较好的可视性有着重要的意义。本文主要对图像去雾算法开展研究，图像去雾算法可以分为两类:基于图像增强的图像去雾算法和基于图像复原的图像去雾算法。
　　首先，阐述了雾天图像的形成并介绍了有雾天气下设备采集到的图像的特点，而后分别通过入射光衰减模型、大气光成像模型和雾天图像退化模型这三个模型对大气散射模型进行理论介绍与分析，为后续深入研究图像去雾做铺垫。其次，研究基于图像增强的图像去雾算法，在图像增强的去雾算法中，选择Retinex算法进行研究，对单尺度Retinex算法、多尺度Retinex算法、带色彩恢复因子的Retinex算法和基于拉普拉斯金字塔的Retinex算法的理论进行研究并对上述算法进行实验仿真，针对Retinex类算法的优缺点，提出了一种基于低照度有雾彩色图像增强算法，并通过实验，验证改进算法的可行性。经实验验证，改进算法对于低照度的图像在去雾上取得了较好的效果。最后，研究基于图像复原的图像去雾算法，在图像复原的去雾算法中，选择暗通道先验算法进行研究，该算法以大气散射模型为基础，该方法在图像去雾上取得了较好的结果，但是复原的图像颜色整体偏暗且对有大片天空区域的图像处理效果欠佳，针对上述问题，对基于暗通道先验算法提出了改进意见，通过实验与仿真，验证算法的可行性。经实验验证，改进后的算法更符合人眼的视觉感受，且在某些方面取得了较好的效果。