在大雾环境下，由高速公路监测系统拍摄获取的图像对比度低，图像中的目标模糊，这对于行驶车辆的监测造成了一定的难度，因此使得图像去雾方法在高速公路的监测中具有很重要的意义。图像去雾的目的在于提高图像的对比度和将图像中的目标变得清晰，有利于监测系统能准确的提取到行驶车辆的重要信息，主要包括车型和车牌号等细节信息。因此图像去雾算法是目前很多学者研究的重要方向。
　　图像去雾模型迄今主要分为两大类模型：雾化图像增强模型和暗通道去雾模型。这两种模型都可以提高图像的清晰度，从而达到去雾的效果。本文自雾天图像入手，对以往以暗通道先验为依托，对单一图像去雾算法进行深入分析，这一算法对一些有雾图像能够发挥积极的作用，但是存在先验信息不准确的缺点，不能很好的满足实时性要求。针对此本文提出改进，改进算法1：首先利用引导图滤波的方法对图像进行预处理，再对得到的滤波后的图像利用暗通道去雾算法进行处理。改进算法2：首先利用无雾图像的暗通道信息作为暗通道的先验信息替换原始算法中的透射率，接着再利用暗通道去雾算法对有雾图像进行去雾处理。并且通过增加正则项对折射率的修正提高了算法的应用范围。
　　为进一步说明本文两种改进算法的有效性，在实验部分通过熵，峰值信噪比，边缘梯度比和平均梯度4个指标来验证了本文的改进算法有效地提高了图像的清晰度和图像细节的完整性，说明了本文改进算法的去雾效果优于传统的暗通道去算法的结果。