雾是秋冬季节常见的一种天气现象。受雾的影响，所拍摄到的图像对比度较低、景物不清晰，无法准确的反映真实场景信息。从而使得各种户外视觉系统无法发挥其应有的功能与作用，甚至对很多领域的工作产生了严重的危害。本文研究了基于暗元先验规律的图像去雾算法。由于该算法在进行介质透射率的预估计中包含大量方块效应，需使用图像抠图算法来进行消除，而图像抠图需要对一大型Laplace矩阵求逆，其复杂度以及实现难度较大。本文提出了结合指导滤波器的暗元法。指导滤波器为图像抠图过程中最优问题解的雅克比迭代，使用指导滤波器代替图像抠图进行方块效应的消除，有效地降低了算法复杂度与实现难度。为了进一步降低图像复原算法的计算复杂度，本文提出了一种新的介质透射率估计方法。对原始图像在RGB三个通道内求最小然后使用边缘-角点保持滤波器对之进行滤波，避免了方块效应，直接获取到介质透射率的准确估计。该方法具有较小的时间复杂度和较好的处理效果。同时本文对常用的边缘角点保持滤波器中值滤波以及Kuwahara滤波器进行了研究工作。针对中值滤波的角点保持效果差的缺点，本文采用了规定方向的分步中值滤波从而使得对角点的保持效果得到了提高。针对Kuwahara滤波器定义的不完整性以及方块效应，本文对Kuwahara滤波器输出重新定义并采用高斯加权的方式来计算子块的均值与方差，改善了滤波的效果。使用图像复原算法复原后的图像取得了很好的除雾效果，但复原后的图像整体亮度偏暗、对比度偏低、局部细节信息不突出。为此，本文提出了一种自适应剪切直方图均衡来对复原后图像进行增强处理。根据复原后图像中噪声大小，自适应地确定增强幅度。复原后图像亮度以及对比度得到提高，局部细节信息得到增强，避免部分有用信息淹没在噪声之中。本文在个人PC机上搭建了雾天图像复原实验平台，验证了算法的有效性以及实时性。并在TI公司的达芬奇视频处理系统Seed-Vpm6467上完成了相关算法的移植工作。