近年来,随着科学技术不断进步,计算机视觉领域也取得显著的成就,人们对图像清晰化的要求也逐渐提高。受雾霾、大雾以及沙尘暴等天气的影响,大气中存在大量的水蒸气和悬浮颗粒等杂质,光在传播中发生衰减,导致成像设备采集到的陆地图像出现严重雾化、亮度和对比度变低等现象。为了让人们获取到更多陆地清晰图像,使陆地图像工程作业更加便捷,对陆地有雾图像进行去雾处理是极为重要的。本文从大气光散射模型和暗通道先验角度出发,去除陆地图像的雾气噪声,提高图像亮度,还原图像色彩真实性;进而提升图像视觉的质量,便捷人类获取图像中的信息。具体研究内容如下:（1）对近几年国内外陆地图像去雾方法的研究现状进行总结,分析图像在大雾天气条件下的降质原因,叙述大气光散射原理以及成像物理模型,最后介绍一些经典的基于图像复原的去雾算法,并指出其优缺点。（2）针对陆地图像存在雾化严重、颜色失真以及去雾后图像出现光晕伪影现象等问题,提出一种基于边界约束的双滤波透射率优化图像去雾算法。通过将边界约束与上下文正则化相结合,有效地将透射率进行细化,解决了传统暗通道先验算法引起复原后图像天空区域出现光晕伪影的问题;将细化后的透射率进一步优化,改善了深度学习算法无法解决严重雾化图像的现象;利用颜色校正将去雾后的图像进行色彩增强,让增强后的图像更加清晰化。（3）针对现有陆地图像去雾算法过度地去雾、去雾能力不足以及去雾程度不均匀的问题,提出一种基于雾霾线先验的非局部图像去雾方法。受陆地图像雾化形成原因、大气散射模型以及先验理论思想的启发,结合雾霾线与先验理论,依据陆地有雾图像各部分雾浓度的不同采用相应程度的去雾方法,有效地解决了图像去雾不均匀的问题。通过利用正则化理论与自适应滤波相结合,改善了复原后图像出现纹理模糊的现象,提高了图像的真实性。（4）分别将基于边界约束的双滤波透射率优化图像去雾算法和基于雾霾线先验的非局部图像去雾算法与近年来的经典、新颖陆地图像去雾算法进行主客观分析比较,证明两种算法在陆地图像去雾领域的有效性。并对本文所提两种算法进行实验对比分析,得出了基于边界约束的双滤波透射率优化图像去雾算法更适用于对时效性要求较高、图像清晰化质量要求很高的陆地图像获取任务中;而基于雾霾线先验的非局部图像去雾算法更适用于对时效性要求不高、对图像去雾均匀度要求较高以及纹理清晰度要求高的陆地图像获取任务中。最后,依据所提算法设计出两款图像去雾软件,方便用户的使用与操作。该论文有图37幅,表15个,参考文献68篇。