如今,计算机视觉系统在生活中的作用日益明显,但是雾霾天气使得经户外成像系统得到的图像降质严重,图像的对比度大大降低。图像去雾技术旨在降低或消除雾霾等天气原因对成像系统造成的负面影响,恢复降质图像的对比度与色彩度等与人类视觉相关的因素。本文在分析了雾天图像的降质原因后,以大气散射模型为基础,分别从是否需要先验知识的角度对去雾算法进行了研究,并对透射率这一影响雾天图像复原的主要因素进行了分析与优化,主要工作与创新分为以下两部分:1)针对暗通道先验去雾算法去雾后纹理细节丢失以及边界模糊的现象,提出将有雾图像的结构与纹理分层处理再重组,避免了结构与纹理同时处理造成的互相干扰。为了避免去雾后的结构层在景深变化的区域出现深度跳跃现象,提出了一种基于超像素的暗通道使得景深一致的区域具有相同的透射率,然后利用非局部全变分正则化模型的结构相似性约束来降低透射率边缘的深度差;为了避免因暗通道先验知识无效造成的天空区域失真的现象,引入容差机制识别明亮区域并对该区域的透射率进行优化。最后为了保留场景的细节纹理,在纹理层中建立了指示纹理区域的遮罩并保留了遮罩内的高频信息。实验结果表明,算法可以保留有雾图像精细的纹理部分,并且去雾后场景的边缘结构清晰,在天空区域未出现失真现象。2)针对先验知识在某些场景下无效的现象,在不依靠先验知识的前提下,利用自然场景统计得到与雾浓度相关的NSS特征建立了雾浓度模型,然后建立透射率与雾浓度间的数学关系将透射率的求取转化为雾浓度最小化问题。为了降低透射率模型计算的复杂度,对NSS特征与透射率间的敏感度以及NSS特征间的冗余度进行分析,最终得到与透射率敏感度最强且冗余度最低的暗通道、饱和度-亮度以及色度三种特征,并根据以上特征建立了透射率优化模型最终实现图像去雾的目的。实验结果表明,算法能够提升有雾图像的对比度、饱和度以及亮度等与人类视觉相关的因素。