雾天条件下,空气中含有大量的悬浮粒子,由于这些粒子对光线的散射作用,获得的图像对比度比较低,图像模糊不清,使得图像监控、识别、目标跟踪、飞行器的导航等应用变得非常的困难,因此对雾天条件下图像的恢复研究具有非常重要的应用价值。由于雾天图像的退化是与图像的场景深度密切相关,因此,常见的图像处理方法并不能取得很好的增强和恢复效果。目前对有雾图像的增强和恢复研究主要集中于局部直方图均衡化和大气散射模型两个方面。本文通过对大气散射模型和直方图均衡化深入分析,验证了基于大气光散射模型求出的深度图,用于大气散射模型对雾天图像的恢复很难实现,而简单的对图像进行分块,也不能保证所分的每一块正好处于同一深度,所以局部直方图均衡化也不能达到很好的恢复效果。因此,本文引入了“基于深度分割的局部直方图均衡化”和“基于精确深度的大气散射模型”两种算法对退化图像进行恢复。基于深度分割的局部直方图均衡化,是将大气散射模型和局部直方图均衡化算法结合在一起,深度图作为图像分块的基础,应用于局部直方图均衡化;基于精确深度的大气散射模型,是利用同一场景的两幅相差比较大的退化图求出场景的深度,使用预先估计大气的散射系数,利用直方图求天空的亮度,避开常用的算法需要使用迭代求归一化辐射率的方法,加快了图像的恢复算法的速度,确保了图像恢复的实时性。仿真实验表明这两种算法都取得了比较满意的恢复效果。