随着科学技术的发展,诸如遥感、无人驾驶和目标识别等方面的计算机视觉应用变得越来越广泛,但是在有雾天气下获取的户外图像会受到雾气的影响,导致图像质量受到严重的退化。雾天图像具有对比度低、景物清晰度下降、色彩暗淡等特点,导致图像质量大大降低,限制了以图像为基础的应用系统的工作效率。因此,含雾图像清晰化的研究具有非常重要的意义。在基于物理模型的图像去雾方法中,首先研究基于颜色衰减先验理论的图像去雾算法,分析了去雾结果受大气光的影响以及容易出现雾残留和细节模糊的原因。针对该算法存在大气光估值不够准确的问题,对大气光使用四叉树搜索算法求取。针对图像出现细节模糊和雾残留等问题,提出基于颜色衰减先验理论图像去雾的改进方法,采用基于空间约束的分水岭算法把场景深度图进行超像素分割,使用超像素算法处理后在每一个区域中会带有标签,然后再结合滤波算法分别处理这些带标签的区域从而获取场景深度信息图。实验结果显示,提出的改进方法可以有效改善图像中细节模糊和雾残留问题,细节增强明显,色彩自然。在基于暗通道先验理论的图像去雾算法中,分析天空等区域不符合暗通道先验的原因以及存在大气光估值不够准确的问题。针对该算法存在大气光估值不够准确的问题同样使用四叉树搜索算法求大气光值。暗通道先验去雾算法处理有雾图像时,在天空或大面积亮区域时容易出现色彩偏移失真等问题,提出使用K-means聚类算法对图像进行预处理,标记出天空或大面积亮白区域然后再进行像素强度的调节,解决颜色失真现象。此外,使用小波图像融合算法对透射率进行细化,使得去雾后图像细节信息得到增强并改善光晕现象。经实验验证得出,改进的方法能够细化透射率,同时有效改善天空区域去雾后存在色彩失真的问题。