雾和霾是发生在日常生活中非常普遍的一种自然现象,其主要原因是空气中的水蒸气凝结。有雾的天气中能见度较低,拍摄的图像对比度衰减、成像模糊、像素失真等原因导致了图像质量变差,这限制了如视频监控、目标跟踪、识别等机器视觉系统的效率。国内外研究人员针对这一问题展开了广泛的研究,并取得了很多成果。然而,由于问题本身的复杂性,一些现有的算法和退化模型无法为图像恢复问题提供最佳解决方案。因此,建立有效的图像分离方案和恢复图像清晰度仍然是一个非常重要的研究目标。本论文针对雾化图像劣化,详细介绍了图像劣化的原因,提出了图像增强和图像恢复方法,并针对目前图像去雾的一些现有算法进行了优化和改进,同时提出了如下一些新的思路和方法:本论文针对各种应用场景提出了一种有效的单帧图像去雾计算方法。单图像暗通道去雾算法旨在以快速有效的方式解决图像模糊问题,该算法是用暗通道先验的理论来估算周围环境的光强,从而达到有效去除噪点的目的。本文也提出了一种基于场景分割的图像去雾方法,即根据场景深度将模糊图像分成不同的部分,然后分别对不同深度的场景进行去雾。结果表明,这种方法可以实现图片的高色彩保真。本文将单尺度Retinex(SSR)算法与大气散射理论相结合,提出了一种新的图像去雾算法。与SSR算法相比较,新算法可以有效利用图像内丰富的信息,在对远距离图像进行处理时去雾效果更加明显。采用如信息熵、平均梯度、边缘强度、方差和颜色可还原性五种方法对去雾效果进行了评价。这种新算法优点主要在以下几个方面:首先,本文将暗通道先验算法和Retinex理论相结合应用到单幅图像去雾。其次,目前暗通道先验算法都是直接提取有效信息进行去雾处理,本文提出通过一个自适应滤波器在第一阶段对图片利用暗通道算法进行去雾处理。这一阶段能够对暗通道的性能进行有效的精炼和提升,对下阶段去雾效果的提升有显著的帮助。如果在其他阶段引入去雾算法,则会导致去雾权衡速率降低。由于其快速有效地实现去雾的能力,该算法能够应用在实时处理场合。最后本文给出计算结果,证明该算法的优越性能和效率。