图像处理技术越来越广泛的应用于工业,医疗,教育等领域。基于图像特征提取的图像处理系统,如户外视频监控系统,智能交通,自动导航系统等,通常建立在获取清晰的图像的基础上。然而恶劣天气条件下,如雾、雨、雪等天气条件下,摄像机传感器获得的图像具有对比度下降,色彩失真等现象,从而得到的图像模糊不清,给图像处理系统在图像处理和分析上带来极大的问题。因而研究恶劣天气条件下的图像恢复技术以增强图像的对比度和清晰度,对于保证计算机视觉系统在恶劣天气条件下的可靠、稳定的工作,具有重要的研究意义。本文介绍了雾天情况下的图像去雾算法。雾天图像去雾算法分为两大类:基于非模型的雾天图像增强算法和基于物理模型的雾天图像恢复算法。基于非模型的雾天图像去雾算法不考虑图像的退化原因,只通过增强图像的对比度来去除雾的影响,只能一定程度上提高图像的质量,通常不能有效的去除雾的影响。而基于模型的雾天图像去雾算法则是根据雾天图像退化模型反演出无雾图像,通常能达到更好的去雾效果。基于非模型的算法本文介绍了全局直方图均衡化算法,局部直方图均衡化算法,Retinex算法,同态滤波算法。局部直方图均衡化算法包括子块重叠局部直方图均衡化算法,子块不重叠局部直方图均衡化算法和子块部分重叠局部直方图均衡化算法。子块部分重叠直方图均衡化算法在去雾质量和去雾速度上达到折中,比另外两种算法更具优势。Retinex算法又分为单尺度Retinex,多尺度Retinex,带色彩恢复的多尺度Retinex和基于迭代的Retinex。基于模型的雾天图像去雾算法包括根据景深信息来去雾的方法,根据偏微分方程来去雾的方法和根据先验信息来去雾的方法。本文重点介绍了基于先验信息的算法,如Tan的算法,Fattal的算法,Tarel的算法,何恺明的算法。本文基于何恺明的暗原色先验定理的去雾算法,提出了一种改进的去雾算法。首先将暗原色先验定理的颜色空间从RGB空间转换到YCbCr空间,然后仅对Y分量进行最小值滤波,从而估计出初始透射率。该改进能够在保证去雾质量的基础上大大提高去雾的速度。然后本文介绍了优化透射率的两种滤波方法,软抠图和引导滤波。在引导滤波的基础上本文提出了一种利用双三次插值来提高引导滤波的运算速度的算法,在保证去雾质量的基础上再次提高了图像去雾的运行速度。最后针对暗原色先验在天空区域失效,从而去雾后在天空区域出现色彩失真和光晕的现象,提出了一种算法来改善天空区域的去雾效果。本文比较了改进算法与何恺明的算法以及其他基于先验信息的算法的去雾质量和去雾速度,得出实验结论。