在雾、霾天气下,大气中水汽、烟尘、微水滴等微粒子的散射、吸收作用严重,致使所拍摄的图像整体模糊、对比度低、色彩退化。这给后续图像在目标识别、视频监控、遥感航拍等领域的应用带来困难。研究图像去雾算法解决雾霾天气成像质量差的问题,是有重要应用价值的。论文研究了大气散射模型,分析了雾霾对成像过程的影响及图像降质原因,重点研究了暗通道先验去雾算法、Retinex算法和图像稀疏表示模型原理及特点,以此为基础,提出了两种新的去雾算法,实现了雾天图像的清晰化处理,提高了图像的清晰度。论文的创新性工作如下:(1)提出了—种基于三区域划分的单幅图像去雾算法。该算法把图像分为天空区、非天空区和过渡区,天空区采用尺度自适应Retinex算法去雾,非天空区采用暗通道先验去雾,过渡区采用Retinex算法及暗通道两种去雾结果融合的方法。从实验结果看,本文算法较好地解决了天空区颜色紊乱、光斑等问题,去雾后的天空区域清晰平滑;过渡区在保持图像细节的情况下,由于采用基于位置的线性加权融合方法,克服了过渡区易出现虚假边缘的问题;非天空区充分发挥了暗通道先验算法的去雾优势,获得了很好的效果。从与不同算法的对比结果看,本文算法的去雾效果在整体上优于对比算法。(2)提出了—种基于稀疏表示的单幅图像去雾算法,通过提高图像饱和度和亮度改善图像效果,从而达到去雾的目的。算法首先将图像由RGB空间转换到HSI空间,通过两级小波变换对图像的亮度分量进行特征提取,使用K-SVD算法对提取的特征进行字典训练,学习无雾图像的稀疏特征,对有雾图像的I分量进行重建;然后对饱和度分量进行非线性拉伸,提高图像饱和度;最后再由HSI空间转换到RGB颜色空间得到去雾图像。实验结果表明,算法可以有效地提高图像的对比度,改善图像的视觉效果。从实验结果看,图像饱和像素的百分比优于对比算法结果。