工业化生产造成了部分城市雾霾现象越来越严重,给生活和生产造成了很大影响。通常,雾霾环境下会漂浮着许多颗粒,从而导致光线发生散射,使观察得到的图像可见度下降,细节信息缺失,严重影响图像在某些领域的应用,如目标跟踪、自动监视系统和场景评估等。特别是近年来,大气污染物排放量增加,导致雾霾现象频频出现,使户外视觉系统不能正常工作。于是,探求去雾算法以获得清晰图像对后续工作来说是一项非常重要的工作。本文将对去雾算法深入剖析,特别是基于暗通道先验理论的图像去雾算法,在此基础上提出改进算法,主要研究内容如下:（1）针对暗通道先验理论对天空部分和密集的景深突变区域失效的问题,本文提出一种天空识别和自适应加权引导滤波的去雾算法。对于景深突变区域,采取的措施是优化引导图像和改进加权引导滤波,来抑制在景深处出现的光晕现象,有效地增强边缘处的细节性;关于暗通道先验不适用于天空等明亮区域问题,利用一种天空识别的方法,能够有效识别出图像中是否存在大面积天空区域,可以进一步地对透射率的估计值做出限制,天空区域因此得到了很好的处理;最后将求得的参数应用到大气散射模型中得出复原图像。（2）针对加权暗通道去雾方法的不足,在保证恢复后的图像颜色不失真的前提下可以获得更高的清晰度、更好的对比度和合适的视觉效果,并且同时能够处理好天空区域,本文提出基于加权暗通道和线性转换的图像去雾算法。首先分别针对天空区域与非天空区域来估计初始透射率,通过线性转换来改善暗通道先验在天空区域出现的颜色失真现象;其次,为了增强透射率的鲁棒性,采用暗通道加权映射,并在此基础上改进暗通道加权图来优化透射率;最后应用大气散射模型恢复出清晰图像。实验结果表明,与其他算法相比,本文提出的图像去雾算法复原的图像获得了良好的视觉效果,天空区域没有发生颜色失真现象,在几项客观指标中也有突出优势,具有较好的去雾效果。