雾霾影响着人类日常生活的方方面面,例如出行问题、健康问题等。人工智能技术迅速发展,人类的很多行为可以被机器替代,使人类可以探索更多未知的领域。计算机视觉是人工智能技术中尤为重要的一个组成部分,清晰的输入图像对于识别、跟踪等多种计算机视觉领域的技术来说是必不可少的前提。然而雾霾天气下的室外图像往往是模糊不清的,难以获取图像中的有效信息,由此对有雾图像进行去雾显得尤为重要。本文研究了国内外比较流行的图像去雾算法,根据其侧重点不同主要可以分为两个方面:一方面是基于图像增强的去雾算法,另一方面则是基于图像恢复的去雾算法。本文选取了基于暗通道先验的图像去雾算法进行研究,对其整体流程进行详细的介绍和分析,并针对算法效率问题改用引导滤波优化透射率。暗通道先验理论不适用于有雾图像中的天空区域,造成有雾图像去雾后天空区域颜色失真严重,同时产生大量噪声。针对上述问题,本文提出了基于天空区域提取的暗通道去雾算法。首先,对单张输入图像使用Retinex算法锐化其边缘信息,对增强后的图像采用Canny进行边缘提取,同时结合闭操作精确提取天空区域;其次,在天空区域选取更为准确的大气光值,为解决天空区域的颜色失真问题,将有雾图像中的天空区域由RGB颜色模型转换到HSI颜色模型进行处理,使用结合引导滤波的暗通道去雾算法处理亮度分量,保留了有雾图像的色调信息和饱和度信息,同时为解决附加噪声的问题提出一种新的透射率优化方法,从而完成有雾图像中天空区域的去雾处理;最后,使用结合引导滤波的暗通道去雾算法对非天空区域进行处理,完成整幅图像的去雾。对本文提出的去雾算法与多种经典去雾算法进行仿真,通过仿真结果的对比和分析,证实本文提出去雾很好地解决了天空区域颜色失真、噪声增加等问题,使去雾后的图像更加清晰自然。