在有雾天气下,空气中会存在大量悬浮粒子。来自场景的反射光穿过雾气时,会与粒子发生散射,导致反射光衰减,这种现象严重影响了后续图像处理技术的功效。在很多现实场景中都会面临此问题,所以,图像去雾是一项极具实际意义的任务。本文主要针对去雾算法中的暗通道先验算法进行研究,通过分析其存在的问题,提出改进的去雾算法,最后通过实验验证改进算法的有效性。具体研究内容分为两部分:（1）改进的天空区域分割及去雾算法。原始方法在天空区域执行去雾时,往往会出现光晕等问题,在研究具体原因后,本文提出改进的算法:首先,通过暗通道图准确找到位于天空区域的某个像素,以该像素为起点,利用改进的种子填充算法识别大片天空区域及被分隔开的碎片天空区域,实现天空区域分割。然后,将天空区域转换到HSI颜色空间,通过实验分析在该颜色空间内的去雾策略,进而修正I分量、S分量,实现天空区域去雾。最后,针对原有大气光值计算方法的问题,提出改进的大气光值计算方法,在分割出完整的天空区域后,取天空区域内所有像素的亮度均值作为最终大气光值。（2）改进的基于暗像素先验的去雾算法。暗像素先验算法对原暗通道先验算法进行了一定改进,本文分析了该算法中仍存在的问题,进而提出改进的算法。首先,详细分析初始透射率估计的偏差,提出修正方法,得出更加准确的透射率图。其次,利用改进的种子填充算法扩散正确的置信度、透射率,得到更合理的置信度图和透射率图。最后,改良原文的置信度扩散算法,与上述改进相结合,得到更细致的透射率图。本文在章节末尾,展示了对比实验的结果。实验结果证明了天空区域分割算法、去雾算法的优势,成功避免了光晕等问题。还证实了改进的大气光值计算结果的合理性。客观的定量实验证明了本文的算法比原暗像素先验算法更具鲁棒性,相比其他经典算法和深度学习算法,本文的各项指标也都有一定优势。主观的定性实验证明了本文算法得到的透射率图更合理,去雾后的图像更清晰,能够给人更好的视觉感受。