在雾霾之类的恶劣天气下,户外成像系统采集的图像与视频由于大气散射的作用降质严重,如,对比度降低,物体特征难以辨认,进而影响图像应用的后端处理,如目标检测与识别等。近年来,图像去雾技术已成为计算机视觉的重要研究方向之一。本文针对单幅图像去雾展开研究,主要工作与贡献如下:1.提出了一种雾霾浓度评估算法。本文利用MIC(Mutual Information Coefficient)与PCC(Pearson Correlation Coefficient)等方法对13个图像特征进行特征相关度分析,从中选择三个与雾霾最相关的图像特征,建立了一种简单有效的雾霾浓度估计器SFDE(Simple Fog Density Evaluator)。SFDE无需任何先验假设,在无雾霾的参考图像下,能够感知雾霾浓度的大小。实验结果表明SFDE的准确性与稳定性达到现有的类似算法的效果,且其计算复杂度更小。2.提出了一种基于雾霾浓度感知的单幅图像去雾算法。借助SFDE,将图像去雾问题转化为图像雾霾浓度最小化问题。为此,我们构建了两种雾霾浓度与大气透射率的物理关系OTSFDE(Optimal Transmission model via SFDE)和SOTSFDE(Simpler Optimal Transmission models via SFDE)其中,SOTSFDE具有更低的计算复杂性。实验结果表明本文算法能够有效的移除雾霾,解决细节信息损失,并且不会受到先验假设和条件的约束。3.对夜间有雾图像进行了研究,首先分析了夜间有雾图像与白天有雾图像的区别,以及图像复原模型的差异,在此基础上对夜间有雾图像进行了层次分离,获得了辉光效应图像与雾霾图像,在去除掉辉光效应图像后,再使用上述提出的算法进行去雾处理。实验结果表明本算法获得的去雾结果图像在细节信息丰富度,结构清晰度,色彩饱和度方面能获得较满意的效果。