视觉系统伴随信息科学技术等的快速发展,在场景的捕获和处理中发挥的作用越来越重要,然而在空气中弥漫着水滴、烟雾等颗粒的状况下,由于微小粒子的散射作用,成像系统所捕获的图像质量退化,清晰度下降,颜色和对比度改变,图像中的许多场景被模糊化,这不仅影响到图像的视觉效果,对后续的信息提取与处理也造成了严重阻碍。因此对雾霾退化图像处理方法的研究具有重要的实际意义和广阔的应用范围。目前,对彩色退化图像的去雾霾方法主要有两类:一是不探究图像降质的起因,强调其整体或局部特性从而达到图像清晰化的图像增强方法;二是利用大气散射(Atmospheric Scattering,AS)模型的图像复原方法。本文属于第二种方法,从图像退化的物理成因出发,详细阐述了AS模型,并对一些基于AS模型的经典方法进行了综述。本文在AS模型的基础上研究单幅图像去雾霾方法,主要包含了以下研究内容:(1)根据AS模型中大气光和图像颜色空间的特性,在YCbCr空间中,使用四叉树分层搜索法估计大气光值,可以避免估计的不可靠性;(2)利用传输率局部平滑的特性,假设每个子类局部区域传输率是相同的,用快速、稳定的AP聚类算法代替需要人工设置大小的矩形窗口,根据图像像素点颜色特征将其自然地分割成若干个局部区域,用于局部区域传输率的估计;(3)基于一般情况下雾霾图像对比度较低,本文通过估计区域传输率使得对比度增强。然而,下降的对比度的补偿可能会引起像素值溢出,从而导致某些信息的损失。为此,本文设计了一个包含对比度和信息丢失的成本函数,通过最小化这个成本函数,为每个子类局部区域估计出增强复原图像对比度的同时又减少信息丢失的最佳传输率值;(4)对保持图像边缘细节信息的引导滤波算法在速度上进行改进,同时使用平滑的窗口增强边缘细节,以细化粗略的局部区域传输率图,更加突出了图像的边缘细节信息。实验对比证明,本文所提出的方法可以更有效地提高图像的主观视觉效果;从客观定量方面衡量,本文方法也优于其它3中经典的去雾霾算法。