传统有雾图像中不仅含有雾气,更含有严重的噪声。这些噪声有些是因为空气中含有的烟、灰尘等小颗粒所造成的,有些则是因为在雾天拍照数字图像在传输过程中所产生的噪声。基于暗原色先验的去雾算法是目前去雾算法中较为经典且有效的去雾算法,但是该算法去雾后得到的图像通常含有噪声,且部分细节保持效果稍差。二阶变分去噪模型可以有效地去除噪声,能够保持边缘和纹理细节,并且二阶微分比一阶微分更适合刻画图像的震荡性,且能够较好地抑制阶梯效应。针对暗原色先验算法不能有效的去除图像中存在的噪声、且部分图像细节保存效果欠佳的问题,考虑到二阶变分去噪模型的优势,本文将二者进行了结合,首先利用暗原色先验方法估算出有雾图像大气光值与粗略的透射率图,然后将非线性扩散模型运用到精细透射率图的求解当中,再将其分别与二阶变分模型拉普拉斯变分模型、Hessian矩阵变分模型、总广义变分模型、总曲率变分模型结合,提出了4种二阶去雾模型:基于暗原色先验与拉普拉斯变分模型的去雾模型(H-LV模型)、基于暗原色先验与Hessian矩阵变分模型的去雾模型(H-HMV模型)、基于暗原色先验与总广义变分模型的去雾模型(H-TGV模型)、基于暗原色先验与总曲率变分模型的去雾模型(H-TCV模型)。为了提高计算效率,文中为4种模型设计了相应的交换方向乘子求解算法,通过引入相应的辅助变量,使拉格朗日乘子不断更新迭代,直到能量方程收敛。4种改进算法能同时实现去雾去噪,且边缘细节保持效果较好。为验证本文所提4种去雾算法的去雾效果,随机选取LIVE Image Defogging图像数据库的图像,对所提模型和算法进行了实验验证,并选取多种经典算法与本文提出的4种算法进行比较,分别从主观质量评价和客观质量评价两个方面对得到的去雾图像进行比较分析。通过不同质量评价指标的比较,验证了本文所提4种去雾算法的有效性,去雾后的图像边缘保持良好,并能抑制图像噪声,并为判断4种算法的细节保持的优劣程度,对4种算法进行了拐点细节保持的实验,实验证明H-TGV、H-TCV的拐点保持、细节保持的效果更加良好。