雾霾天气条件下,由于大气粒子的散射作用导致图像对比度降低、视觉效果较差,一些重要信息被雾气所掩盖而无法识别。因此,去雾技术已经成为图像处理以及计算机视觉领域内研究的热门课题。针对大多数图像去雾算法,不能从图像数据中学习模型参数、去雾质量较差、运行时间过长等缺陷,本文提出了一种基于随机森林和核回归相结合的图像去雾方法。首先,构建随机森林回归模型,预测有雾图像的透射率参数;其次,通过矢量法合成大气光;最后,根据大气光照模型恢复清晰图像。主要创新工作包括:(1)针对现有图像去雾算法出现的边缘模糊、方块现象等问题,本文提出了基于高斯核回归的透射率平滑和细化方法。首先,依据暗通道先验知识以及大气散射模型求解透射率的粗估计值。其次,针对透射率粗估计图中块现象问题,采用高斯核回归对其精细化处理。最后将细化后的透射率作为该样本图像的标记。(2)针对现有的图像去雾方法缺乏数据驱动,不能从雾霾图像中学习模型参数,造成去雾效果差、时间长等问题,提出了基于随机森林的雾霾图像去雾方法。首先,基于核回归标记样本图像的透射率参数;其次,提取样本图像的雾霾相关特征并对样本图像做有放回地随机抽样,构建多棵决策树形成随机森林。最后,对一幅输入图像,所有决策树预测结果的平均值,即为随机森林模型的输出结果。(3)针对雾霾图像亮度分布不均匀等问题,本文提出了通过矢量法分别估计大气光的照射方向和强度大小,最终合成大气光矢量参数。通过与最先进的几种去雾算法定性定量地比较,表明随机森林和核回归相结合的图像去雾方法,较好地改善了边缘模糊、运行时间过长、亮度不均匀等问题。