雾霾,一种后果非常严重的灾害性天气,在多数地区出现频繁、持续时间长且分布广泛。图片是视觉的载体,在雾霾天气中,由于雾霾的存在会使成像系统采集得到的图片或视频对比度变低、颜色变暗淡、特征衰减等。因此,如何实现快速有效去雾,使采集的图像更加清晰自然,提高成像系统在恶劣天气下工作的鲁棒性和稳定性,在图像处理方面有着十分重要的意义。本文针对基于暗通道先验的图像去雾算法在计算代价、细节处理方面以及基于Retinex理论的图像去雾算法在去雾效果、失真程度方面的不足,提出了一种基于暗通道先验与Retinex理论相结合的去雾改进算法。该算法首先对输入图像进行一次均值滤波预处理,消除噪声,改善图像质量并使得景深突变处透射率更精确,然后通过求取最小通道图及改进中值滤波的方式求得全局大气光值,再根据暗通道先验及导向滤波(用均值滤波得到的预处理图片作为引导图像)估测并优化透射率,从而得到初始去雾图像。在此基础上,计算初始去雾图与原始含雾图的结构相似性SSIM值,并与预先设定的阈值进行比较,确定是否对初始去雾图继续进行单尺度Retinex算法处理,当SSIM值大于等于阈值时,对初始去雾图进行单尺度Retinex算法处理得到中间去雾图,最后对中间去雾图进行自适应色彩调节,从而得到最终去雾图像;当SSIM值小于阈值时,跳过Retinex算法处理,直接进行自适应色彩调节得到最终去雾图。实验结果表明,本文算法既汲取了图像复原与图像增强两类去雾算法的优点,又抑制了两者结合产生的失真影响,使去雾算法的计算效率和去雾效果都得到了提高。此外,本文对去雾效果的评价引入了均值结构相似性及可见边对比度评估指标,通过对比结果表明,该评价方案较以往评价方案效果更客观。