随着工业的快速发展,由工业排气导致的大气污染的问题也越来越严重,使得大雾天气出现得越来越频繁。在雾天中拍摄到的图像往往比较模糊,包含的细节信息较少。清晰的图像信号对于计算机视觉处理十分重要,所以有效快速的去雾,突出图像的细节信息,使图像变得清晰,对于计算机视觉的发展有着重要的意义。本文深入研究了当今图像去雾中存在的主要问题,提出了结合景深自适应识别大气光区域算法和基于颜色衰减先验的分区域融合去雾算法,本文的主要研究工作如下:1.针对大多数去雾算法在识别大气光区域时容易受到图像中高亮度景物影响的问题,提出一种结合景深自适应识别大气光区域算法。首先使用最大类间方差法将源雾图像的景深图划分为二值图,将其与源雾图像的边缘提取图融合,再使用形态学滤波膨胀操作滤除细节部分,选取图像中的最大连通子图作为候选大气光区域,最后选取候选大气光区域中光强最大的前0.1%的点作为大气光区域,将大气光区域中像素值的平均值作为大气光的估计值。实验表明,本文方法不仅在无高亮度景物的图像中能准确识别大气光区域,而且在存在高亮度景物的图像中同样能准确识别大气光区域,具有很高的普适性。2.针对通过颜色衰减先验算法复原的无雾图像在景深变化边缘处去雾效果不佳的问题,提出一种基于颜色衰减先验的分区域融合去雾算法。首先使用曲率滤波对颜色衰减先验得到的景深图进行优化,然后使用最大类间方差法将图像划分为前景部分和背景部分,对前景部分的图像进行融合修正,将得到的图像用结合景深自适应确定对比度增益的方法增强图像的高频信号,突出图像的细节边缘信息,得到最终的无雾图像。实验表明,通过本方法得到的图像细节信息突出、图像清晰、色彩自然。