在雾天环境下拍摄的图像和视频,由于受到雾霾天气的影响,图像的对比度和清晰度降低,使得图像中的有效信息减少,这样会严重影响到户外视觉系统在人类生活中的应用。因此,含雾影像的清晰化建模,恢复出图像的有效信息,有着非常重要的研究价值。本文主要研究了含雾影像的去雾算法及应用,研究内容如下:1.阐述了基于大气散射模型的图像去雾建模方法,对一些主流的去雾算法进行详细讲解。通过主观与客观的图像质量评价方法,对算法进行评价,对自然的含雾图像进行主观评价,应用O-Hazy数据集对这些算法进行客观的质量评价。2.通过对现阶段主流算法的比较,本文发现非局部图像去雾算法的去雾效果比较突出,但是其算法容易造成物体周围雾影的存在,并且直接将该算法对每一帧图像进行去雾处理,由于缺乏时间信息,容易造成去雾后的视频中出现闪烁伪像。针对这些缺陷,本文提出了基于雾霾线的非局部视频图像去雾算法。该算法主要改进了对介质透射率图像的正则化优化方案,使介质透射率图像在平滑的过程中很好地保留了图像纹理信息,并提出了自适应平滑因子,使得介质透射率图像的每个像素点的优化能够自适应的进行平滑处理,有效的避免了物体周围雾影的存在。针对于视频影像,应用光流法来限制透射率图,从而使得恢复出的视频影像拥有很好的时间相干信息,避免了闪烁伪像的出现。3.针对于无人机遥感图像,本文提出了基于暗原色先验的无人机遥感图像去雾模型。介绍了暗原色先验原理应用到含雾无人机遥感图像的合理性,并应用一种四叉树分层搜索的方法来估计大气光值,这样能够有效避免图像中白色物体对大气光值估计的影响。在透射率图像精细化的过程中,本文提出了新的正则化优化方案,使得雾天拍摄的无人机遥感图像能够得到很好的恢复。