视觉是人类最主要的信息来源,随着计算机软硬件技术的发展,图像技术在人们生活中的重要性日益提升。图像处理技术,如：智能导航、人脸识别、目标跟踪等能够为人们的生活带来巨大的便利。然而,工业化和城市化的发展,使得雾霾逐渐成为了人们生活中的常态。雾霾不仅影响人们的健康,也会影响视觉。成像设备在雾天采集的图像普遍呈现低对比度、低色彩饱和度、景物信息模糊的状态,影响了人们通过图像对信息的获取。雾霾在户外的普遍存在降低了户外图像设备,如道路监控、车辆导航等的稳定性,局限了其应用范围。图像去雾技术能够移除雾霾的影响,恢复因雾霾导致的降质,提高图像的对比度和饱和度,使图像重新变得清晰,有着广阔的应用前景。在众多去雾方法中,单幅图像的去雾技术对于成像设备的要求最低、外部条件最少,因此有着更广阔的应用空间。然而,单幅图像去雾没有任何其他的输入信息,对于算法有着更高的要求,近年来已经成为了图像处理领域的一大研究热点。本文总结了当前国内外对去雾技术的研究现状,对去雾技术的原理展开研究。深入分析雾天图像降质模型,为模型去雾方法的研究提供理论基础。本文实现了多种目前最具有代表性且去雾效果显著的单幅图像去雾方法,并对其特点进行总结分析。在前期工作的基础上,本文提出了一种新的基于暗原色及入射光假设的去雾算法。该算法通过渐进式的窗口扫描寻找大气光区域,能够准确的进行大气光的估计。通过弱化暗原色先验假设,提高其准确性,并以此为基础进行初步去雾,将图像透射率的变化范围拉伸至[0,1],简化透射率估计问题。通过对图像的观察分析,提出雾天入射光均匀假设。以该假设为先验条件,结合Retinex理论下的照度估计算法,进行透射率的估计。最终结合初步去雾图像以及透射率估计图像进行去雾恢复。实验显示,本文方法能够有效且稳定地处理雾天图像,恢复图像清晰自然,对比度高。另外,该方法有着很高的运行效率,能够满足实时应用的要求。最后,本文对大量的雾天图像进行分析总结,将其分类。采用多种算法对这些图像进行实验,分析各种算法在不同应用场景下的表现,对不同算法的特点进行总结。并且,采用不同尺寸的图像来检验各个算法的运行效率。