在有雾的环境里，由于光线与悬浮在大气中的大量粒子发生折射、散射、吸收等作用，导致拍摄到的图像存在颜色严重衰减、对比度明显降低等问题，给图像识别信息带来很大的困难，进而影响相关识别系统的效能。因此，对有雾图像进行有效的去雾处理具有非常重要的理论和实际意义，并具有广泛的应用前景和商业价值。　　本文在研究了图像去雾算法的基础上，提出了基于天空识别的暗通道先验图像去雾算法，解决了基于大气物理模型的暗通道先验去雾算法对有雾图像中天空等接近于白色区域的部分处理效果不好、容易出现严重的块效应和色彩偏离和非天空部分物体边缘存在晕现象等问题。　　通过融合的去雾方法进行透射率的优化，消除非天空区域的晕现象。提取有雾图像的饱和度作为透射率的估计值，将其与暗通道先验得到的透射率图进行融合，经导向滤波进行细化，得到非天空部分的透射率。　　采用基于天空识别的暗通道先验去雾算法，消除天空部分的块效应及色彩偏离现象。从有雾图像中识别出天空部分，基于三通道图像进行天空部分透射率的估算，将天空部分透射率和非天空部分透射率进行组合为最终透射率；结合利用四叉树算法估计的大气光值，按照大气散射模型进行图像复原。针对复原后图像存在的暗沉问题，根据模拟简化的韦伯-费希纳定律，以图像的大气光幕的均值作为自适应调整系数，进行亮度和色调的调整，得到最终的去雾图像。　　通过对大量真实的有雾图像进行去雾实验，基于天空识别的暗通道去雾算法能够在天空部分和非天空部分都有较好的去雾效果。