雾天环境下的成像因受到大气中的散射介质的影响,所以会导致所成图像产生退化现象,这极大影响了以清晰图像为基础的户外视觉系统的工作性能。由于天气情况是人为不可控的,所以通常的方法是采用后续数字信号处理来实现对雾天退化图像进行去雾处理,使得图像质量得到提升,从而提升户外视觉系统的性能。因此,雾天退化图像的去雾算法研究具有重要的理论价值和实际的应用前景。本文利用雾天图像成像模型对雾天图像特性进行分析,从图像复原和图像增强两个方面来对雾天退化图像进行去雾处理。在图像复原方面,研究实现了一种基于先验信息的图像去雾算法。针对原始暗通道先验和色彩衰减先验理论在透射率精确估计过程中的不足,通过拆解雾天图像成像模型来组合应用暗通道先验和色彩衰减先验两种先验信息。通过亮度-饱和度差异信息来分割近/远景区域,对不同区域利用不同模型进行去雾处理,并且对大气光值的取值做出合理限制,从而减少远景区域色彩失真问题。所研究的基于先验信息的图像去雾算法较好地保持了色彩信息和细节信息恢复两方面的平衡,具有较好的图像去雾效果。在图像增强方面,研究实现了一种基于色彩恒常的图像去雾算法。针对原始Retinex理论在去雾应用中存在色彩失真和耗时较长的问题,分别将Retinex理论应用到RGB和HSV两种色彩空间中,在RGB色彩空间中求解色彩恢复系数,并在HSV空间中处理亮度分量和饱和度分量,从而最大程度地降低色彩失真。利用引导图像滤波实现图像反射分量的快速求解,并通过设置不同大小的滤波窗口来实现多尺度Retinex算法。所研究的基于色彩恒常的图像去雾算法在色彩自然度和丰富度之间保持了较好的平衡,同时能实现细节信息的复原,具有较好的图像去雾效果。本文所研究的算法均经过仿真实验,并利用主客观评价来衡量去雾处理的性能。实验结果表明,所研究实现的算法在控制图像色彩失真、提升图像对比度、色彩自然度和丰富度、复原图像细节信息等方面均优于经典图像去雾算法,具有一定的实用价值。