雾、霭、霾等天气条件下获得的图像存在对比度低、模糊不清及色域衰减等问题,导致图像成像系统无法有效提取场景中景物特征,严重影响成像系统有效工作。近年来,自然图像去雾研究应用广泛,逐渐成为计算机视觉领域及图像处理领域中众多学者关注的重点。本文主要贡献主要有以下两个方面:提出了一种基于引导滤波优化的自然图像去雾方法。该方法使用基于大气光幕的导向图对粗略的透射率进行优化,进而克服了传统方法中优化的透射率图像在景深相近区域不够平滑的问题。该方法首先利用基于视觉感知的自然场景暗原色原理计算透射图。然后使用有雾图像来估计与透射图具有相同一致性的大气光幕并作为导向滤波器的导向图。利用导向滤波器对透射图进行优化,得到精确的反映场景景深信息的透射率图像及相关参数。最后利用雾天图像退化模型来恢复出无雾图像。实验结果表明,本方法能够很好地解决传统方法中细节信息损失及去雾结果中残留有雾气的问题,获得的去雾结果细节信息丰富、结构清晰、色彩真实、视觉效果更佳。提出了一种基于L0梯度最小化的自然图像去雾算法。该方法基于场景中物体边界约束的先验知识得到边界约束的透射率图像,结合L0梯度最小化平滑方法,将透射率的边界约束问题构建成最优化求解问题来估计场景中的透射率,并利用雾天图像退化模型恢复出无雾图像。实验结果表明,相比于现有的经典算法,本文方法有效解决传统方法优化透射率时,无法有效保留物体边缘处信息而导致该区域易产生模糊的问题,同时能够有效提高暗原色先验方法中失效区域的去雾效果。本方法获得的去雾结果图像在细节信息丰富度,结构清晰度,去雾彻底度方面能获得较满意的效果。同时,本文针对去雾图像中存在的Halo效应、色彩失真及结构信息损失等主要失真类型,结合相应的评价方法,从去雾前后图像的有效细节强度、色彩还原程度及结构信息等方面对经典的去雾算法和本文提出的方法进行客观质量评价。实验结果表明,本文提出的基于导向滤波优化的去雾算法和基于L0梯度最小化的去雾算法在有效细节恢复程度、色彩还原程度及结构清晰程度方面均能获得较满意的效果。