近年来,我国经常会出现大面积的雾霾天气,这已经对我们正常生产和生活带来了很大的影响。而雾霾是由悬浮在大气中的微小水滴、气溶胶等颗粒对光线的吸收和散射产生的,它会导致图像中的目标对比度降低,饱和度下降和颜色退化,进而使户外视觉系统,如路口交通监控,飞机场塔台对跑道的检测等,效果下降甚至瘫痪。因此,对于雾霾图像的清晰化处理具有十分现实的意义。论文主要深入研究了雾图成像理论,以大气散射模型和暗通道先验理论为基础,结合了图像分割算法和Retinex理论提出了两种改进优化算法。算法一:基于天空区域分割的暗通道先验改进算法本算法首先对暗通道先验理论进行了深入研究后发现何凯明的暗通道先验理论在图像中的天空区域并不成立,并且当图像中存在大片明亮区域或者强光源时大气光照强度的估计方法不适用。针对这些问题,本算法运用图像分割的方法,从图像中分割出明亮区域进行单独处理。该方法的关键在于明亮区域分割的准确性,将明亮区域分割出来之后,本算法针对该区域进行了透射率的修正和大气光照强度的准确选取,从而消除了经典去雾算法中会出现的天空区域伪彩色现象和图像中含有强光源时大气光照强度估计错误从而导致恢复图像偏暗的缺陷。算法二:基于图像融合的快速单幅图像去雾算法本算法在大气散射模型的基础上,对大气光照强度进行区间估计;由暗通道先验法则得到透射率的简单估计,由Retinex理论进行多尺度高斯卷积得到透射率的模糊估计,然后用图像融合将这两者进行像素级融合,得到透射率的精确估计;之后用交叉双边滤波进行平滑处理后针对明亮区域修正透射率;再通过对复原图像的色调进行一些调整,就可以获得最终的复原图像。实验表明,该算法不仅取得良好的去雾效果和较好的图像色彩,还有效降低了时间复杂度。