随着我国城市化进程的快速发展,工业排放和汽车尾气等一系列因素对环境造成了一定程度的污染,使得雾、霾等恶劣气象条件的发生概率大幅增加。在雾天中,空气中悬浮着大量气溶胶形式的颗粒以及微小粒子,其产生的散射和吸收作用严重干扰了光线在路径中的传输过程,而户外视觉成像系统在雾气环境中的工作效率受到限制,不利于后续对图像分类分割,目标识别检测,自动驾驶等任务的处理。因此优化计算机采集系统在雾天条件下的成像质量,减小雾气对成像过程造成的影响,可有效提高成像系统的性能。本文对经典图像去雾算法进行分析研究,明确其优势与缺陷,并对传统大气散射模型做出一定改进,将所得到的研究成果总结为如下两种算法:（1）针对传统大气散射模型中各参数量估值不准等问题,提出了一种基于小波变换的自适应透射率融合算法,以更加有效地去除场景中的雾气。该算法针对图像中的远景和近景部分,进行不同程度的雾气去除处理,并将两者有效结合。首先基于雾天成像原理,构建二次衰减模型近似估计出远景和近景的透射率,进而将两者进行小波变换,将得到的低频信息采用自适应高斯函数进行加权融合,使不同深度的场景获得更为精确的透射率估计。而高频信息则采用取较小值的方案减小纹理效应。采用小波逆变换操作处理上述高、低频信息,以获得透射率的最优解;最终通过大气散射模型以及修正的大气光值复原出无雾结果。实验分析表明,该方法可以使雾天场景清晰度得到有效提高,与已有算法相比,整体色彩还原更加准确,并且具有相对较低的时间复杂度。（2）针对传统大气散射模型在雾气去除的计算过程中出现的远景区域恢复模糊,浓雾去除不彻底等问题,提出了一种基于椭圆曲线散射模型的单幅图像去雾算法,对传统大气散射模型做出改进:1.由于在雾天环境下,各场景所受光照不均匀,故基于亮通道先验理论,通过局部估值的方式改进场景入射光,以替代全局大气光值;2.考虑到反射光在传输过程中存在多次散射效应,因此将传统大气散射模型中的场景反照率细分为直接传输项和间接传输项两部分。并建立一个了椭圆曲线散射模型,分别估计两者的值,从而对不同深度和雾浓度条件下的反射光进行更精细的描述。最终通过所提的椭圆曲线散射模型复原出无雾图像。实验分析表明,所提算法具有良好的去雾结果,相比于目前的方法,远处景物具有更佳的视觉恢复效果,并且在浓雾条件下的复原结果更加清晰,未出现颜色偏移等问题。