随着人类的进步和社会的发展,工业化程度越来越高,人类的生活越来越便利。但是,工业化生产也导致很多城市出现了雾霾现象,能见度的降低给人们的生产生活带来了影响。通常情况下,雾霾环境中会漂浮着许多微小的颗粒,这些微小颗粒的存在会导致光线发生散射,所以在雾霾环境中拍摄的图像往往能见度和对比度下降,图像的细节信息不够清晰,严重影响图像在某些领域的应用,如目标跟踪、自动监视系统和场景评估等等。特别近年来大气污染物排放量增加,雾霾出现的频率增高,严重干扰了户外视觉系统的数据收集,所以如何对已经获得的有雾图像进行去雾从而得到细节清晰的无雾图像是一项至关重要的工作。本文将对去雾算法进行深度剖析,主要研究内容如下:针对有雾图像细节不够清晰和去雾后常常出现颜色失真和伪影问题,本文提出基于边缘保持的图像去雾方法。首先使用多尺度分解,将图片分解为细节层和基础层。其中,细节层包含了图像的轮廓信息和细节信息。由于雾霾的污染,图像的细节信息被不同程度的掩盖,要恢复图像的细节信息就要对图像进行适当的增强处理,如果直接对整幅图像进行增强,很可能会导致图像颜色发生偏振,同时,不适当的增强还有可能使图像边缘产生伪影。本文使用改进后的基于非线性映射函数的sigmoid函数针对图像的细节层进行增强操作,很好的避免了图像的颜色失真和伪影的产生。基础层上使用大气散射模型进行去雾,使用边界约束和上下文正则化的方法得到较为精确的透射率,以便于基础层去雾操作。最后再将处理后的基础层和细节层进行合并操作即可获得清晰的无雾图像。实验表明,本文提出的图像去雾算法所获得的无雾图像色彩清晰,细节丰富,具有良好的视觉效果,在客观指标和主观结果方面都具有突出优势,去雾效果较好。