随着国家飞速的发展,空气质量问题也越来越严重,尤其是雾霾问题。在这样的天气获取的图像质量较差,不能较好地凸显图像的细节信息。因此,如何较好地去除雾霾信息,获取更多图像细节信息,已经成为一个急需解决的问题。针对上述问题,本文首先对基于图像增强的多种去雾算法进行仿真实现去雾,并分别从主观评价标准和客观评价标准两方面对去雾效果进行分析,本文选取的客观评价指标主要为有效细节强度、色调还原程度、信息熵、峰值信噪比和运行时间。并主要针对传统单尺度Retinex算法和多尺度Retinex算法进行了研究,并针对其容易产生光晕效应和计算量巨大的问题进行了改进。首先对图像进行空间转换,从RGB空间转换到HIS空间,之后利用小波变换对亮度分量进行处理,使其分为高低频区域,在低频区域主要是利用改进后的Retinex算法对其进行处理,高频区域则是采取高频系数处理和锐化滤波。为了更好提升图像对比度,将利用改进的PCNN模型进行全局对比度增强。同时为了保证复原后图像色彩看起来更加自然,将同步进行饱和度增强,并在进行空间逆转换后,进行动态范围拉伸。最后分别从主观和客观评价标准两方面与传统Retinex算法和子块重叠直方图均衡化算法进行了对比,体现出改进后算法的优越性。此外介绍了暗原色先验算法的整个去雾过程,虽然该算法很经典,但是在大气光值的估计和透射率的优化以及去雾效率上仍存在不足,因此主要针对这些问题进行了改进,并分别从主观评价标准和客观评价标准两方面,与其他几种基于暗原色先验图像去雾算法进行对比。并为了保证得出结论的有效性,又随机选取了大量有雾图像进行实验,并主要从图像的有效细节强度,色调还原程度和去雾时间三方面与其他两种算法进行对比,由此证明了改进后算法去雾效果较好。