在雾、霾等气候条件下，捕获到的图像很难适用于交通检测、目标跟踪以及卫星成像等计算机视觉系统，因此，图像去雾技术已逐渐成为图像增强领域的研究热点。在实际应用中，去雾算法的速度是个很重要的问题。基于暗原色先验的单幅图像去雾算法由于能有效恢复无雾图像而受到广泛关注，但该算法易出现halo效应，需运用软抠图对透射率的估算进行细化处理而影响了整个算法的性能。中值滤波去雾算法简单、迅速，但因其在去雾领域中存有许多弊端，诸如去雾后图像易出现黑斑、色彩暗沉、对大雾图像失效等而未被广泛应用。基于此，本论文深入研究了雾天图像的退化机理，对已有的去雾算法进行改进、完善以及引入新的思路，并进行了大量实验，具体可概括如下：(1)详细分析了ha lo效应和黑斑效应的形成原因，并结合了最小值滤波和中值滤波两种算法，提出了种透射率细化方法——双区域滤波算法。该算法保留了中值滤波的快速性，并且提高了场景透射率的估算精度，特别是在景深突变区域场景透射率的估算，有效抑制了halo效应和黑斑效应。(2)针对去雾后图像暗沉现象，深入研究了大气散射物理模型，根据该模型定义种伪去雾图，将其与原去雾图进行像素级融合对原图进行色度校正，有效改善现有去雾方法易出现的过去雾缺陷。实验证明该方法去雾后图像具有较好的清晰度和色彩恢复度，且在大雾和图像色彩失真严重的情况下仍可有效恢复图像。(3)在实际问题中，因捕获图像的时间、地点、气候不同，使得大气光成分值具有不确定性。通过归纳总结输入图像的维熵和平均灰度所具有的特点，提出了种自适应大气光成份值估算方法。该方法能自动调节大气光成分值，使去雾后图像的亮度达到最优，从而增加了本文算法的鲁棒性。(4)工业回转窑内的燃煤火焰图像受粉尘干扰而模糊不清，严重影响了火焰图像的后续处理。针对现有去雾算法对燃煤火焰图像增强处理所存在的问题，提出了种三分法滤波去雾算法，该方法能够提高带光源图像透射率的估算精度。实验证明本方法恢复的火焰图像清晰自然，且对各个特征区域具有很好的增强效果。