每到秋冬季节我国北方大部分地区经常出现大面积的雨雪雾霾天气,雾霾天气下的低能见度严重影响着居民日常生产生活和出行活动,与此同时,雾天拍摄的图像对比度降低,图像模糊以及图像细节信息丢失,并且浓雾也限制室外监控设备的使用,因此复原得到高质量的清晰图像,有很重要的现实意义。本文以基于图像融合的图像去雾为研究主要内容,主要内容为:本文基于暗原色先验理论和颜色衰减理论,分别提出两种图像融合去雾方法。实验结果表明,这两种方法均大大提高了图像去雾效果。本文提出的第一种图像融合去雾算法是基于暗原色先验算法融合去雾方法。暗原色先验算法是最接近图像去雾本质的去雾方法,但是这种方法去雾后图像颜色暗沉,并且在天空等明亮区域产生颜色失真等问题。本文通过引进一个容差参数克服了暗原色先验在天空区域产生失真的问题,得到第一幅待融合的图像。随后通过分析有雾图像和无雾图像H,S,I三个颜色分量的去雾前后关系,对S和I分量分别进行CLAHE增强,然后转换回RGB颜色空间,获得另一副高亮度,高饱和度的去雾图像,最后让这两幅图像进行融合获得去雾后图像。去雾结果证明本方法去雾结果优于暗原色先验算法。本文的第二种图像融合去雾方法是在颜色衰减先验基础上改进的。首先通过机器学习梯度下降法建立了一个图像透射率图与图像饱和度以及图像亮度的参数模型,然后对有雾图像亮度图的反转图进行中值滤波,最后通过拉氏金字塔融合的方式将这两幅透射率图融合,得到融合后的透射率图,随后用这个透射率图做为透射率信息代入大气散射物理模型中进行去雾。实验结果证明本算法去雾相比于其他经典去雾算法时间开销低,并且去雾后图像颜色自然,视觉效果好。