图像是人类获取信息的重要途径,人类可以通过对图像的分析去认知世界、做出判断。随着计算机技术快速发展,图像已经被应用到公共交通安全、遥感卫星图像、户外视频监控等各种场所,而在这些场所的应用往往需要高质量的图像来保证信息的完整性和正确性。随着我国的城市化建设进程的加速和国民经济水平的提高,城市规模越来越大、汽车尾气排放日益增多等一系列因素导致了近些年来雾霾问题日益严重。在雾霾天气情况下,空气中的悬浮颗粒增多,空气中的悬浮颗粒对大气光进行散射和折射,使得到达人眼或成像设备处的光线强度衰减,造成了采集到的图像模糊、细节缺失、信息不完整等问题。为了使图像采集设备适应雾霾天气,图像去雾技术应运而生。本文针对传统的基于物理成像模型的去雾算法中边缘细节丢失、大气光估计失效以及边缘光晕问题进行了研究与改进,本文的研究内容如下:(1)明确课题研究背景与研究意义。对暗通道先验算法进行研究与仿真,学习暗通道先验算法的基本原理并研究其不足与缺陷。(2)针对过于明亮区域在大气光估计时使得整体大气光估计失效的问题进行改进,引入了图像分割中简单线性迭代聚类的方法,选择理想的分割阈值,减小明亮区域对整体大气光估计值的影响;并且使用图像融合技术,对HSV空间中亮度分量(V空间分量)与暗通道图像进行融合,进一步精确大气光估计值。(3)针对在景物深度突变区由于透射率突变产生的光晕效应,提出了一种简单的方法去判断是否为景深突变区域,使用了加权透射率方法去消除景物深度突变处的光晕效应,使用导向滤波进行图像复原。(4)进行仿真实验。从主观视觉和在图像去雾方面具有实际意义的客观评价指标两个方面进行对比,验证实验结果的可信度。实验结果表明,本文通过对透射率估计方法的改进,进一步消除了在景物深度突变区域由于透射率不准确而产生的光晕效应;通过简单线性迭代聚类与图像融合的方法,对大气光值估计区域进行修正,减小非天空明亮区域对整体大气光值估计的影响,得到更加准确的大气光值,使得最终的复原图像在主观视觉、细节信息、可见边对比度等方面有较好的效果。