在雾天天气下,大气微粒发生的散射现象导致图像接收设备所采集的图像发生严重退化,对比度和色彩保真度受到不同程度的衰减,直接影响到人们的视觉感知和图像设备的识别与后继处理。为了解决雾天图像降质问题,有必要对图像去雾原理和技术进行研究。本论文对雾天成像模型,暗通道先验理论算法进行了深入研究,虽然暗通道算法在复原图像方面取得了良好的去雾效果,但仍存在许多缺陷,例如:暗通道先验理论在天空区域不适用导致透射率估计不准确,高亮像素点和大片天空区域致使大气光估计不准确,复原图像出现Halo效应等问题。论文以暗通道算法不足之处为研究方向,提出了两种改进算法,并分别以人眼感知和盲评价作为主客观评价方法对复原图像质量进行分析和评价。本论文的主要研究工作包括:(1)针对高亮区域和大片天空区域导致大气光估计不准确的问题,提出了一种结合有雾图像暗通道和最大通道的去雾算法。首先,为了解决暗通道先验理论在天空区域不适用的问题,本文利用线性模型对透射率进行粗估计,得到初始透射率;其次,针对初始透射率图像块存在块状效应,边缘模糊,细节不明显等问题,采用引导滤波对初始透射率进行细化;最后结合图像暗通道和最大通道得到局部大气光,并把细化后的透射率和局部大气光带入大气散射模型中,得到去雾图像。实验表明,改进算法所复原的图像亮度适中,颜色恢复自然,在近景和远景处都达到了较良为好的去雾效果。(2)针对传统算法中透射率和大气光估计不足问题,提出一种基于线性模型的自适应优化。首先,利用线性模型得到初始透射率并用边缘信息模型进行细化,避免复原图像出现Halo效应;其次,通过暗通道先验估计自适应参数,得到自适应优化透射率,可以更好地处理景深变化的图片;最后,采用局部大气光法替代传统四叉树方法,得到局部大气光值,解决了大气光在天空区域和亮白区域估计不准确的问题,并结合大气散射模型得到复原图像。实验结果表明本文算法复原图像能够恢复出丰富的细节信息且清晰,由于透射率的自适应优化处理,该算法对包含景深区域图像与浓雾图像处理效果也较好。