随着经济的快速发展,人们生产、生活方式也发生了极大的改变,一味享受经济带来的便利却忽视了环境的保护,使得雾霭天气频繁出现。而图像作为人类获取和交换信息的主要来源,其应用领域已然涉及到人类生活和工作的方方面面,比如:工业、检测、遥感、计算机、军事等。但在有雾的条件下,大气中的悬浮颗粒对光照具有散射效应,使得手机拍摄的图片相对模糊,并且对比度降低,尤其在一些图像细节要求较高的领域,如智能监控、行为识别、森林防火、智能导航等,受到的影响更大。因此图像无法清晰地反映出户外场景的真实信息,会使图像的实际应用价值大打折扣,进而会影响到后续工作的有效开展。近年来,众多学者通过深入的研究,提出了各式各样的去雾算法,基于图像增强的方法需要借助人眼的视觉特性,从人类视觉感受出发,来对图像中重要的信息以及人类感兴趣的目标进行提取,同时减弱不必要的信息,因此此类方法不考虑雾天图像退化的原因,而是通过修正图像色彩对比度或者直接增强图像对比度以达到去雾的目的。基于大气散射物理模型的方法,则是通过研究雾天图像退化的本质,进而实现去雾。后者对图像退化的描述更加符合实际情况,因此众多学者基于此展开去雾研究工作,其中基于暗通道先验去雾算法是应用最为广泛,也是众多学者展开讨论的一种新颖去雾算法,并为研究去雾问题提供了一种新的思路,已经成为经典的去雾理论方法。本文基于暗通道先验理论,针对非均匀光照影响下的雾天图像,提出了改进,首先从暗通道先验的基础理论即大气散射物理模型入手,介绍了包含入射光衰减模型和大气光成像模型两部分,最终分析了雾天图像形成机制。接下来研究了暗通道先验去雾算法的总体内容以及其在图像去雾中的应用,并探讨了暗通道先验去雾算法在天空区域以及非均匀光照条件下处理效果不佳的情形,提出了一种针对非均匀光照影响下的雾天图像去雾方法,其创新点主要在于:(1)对于一幅非均匀光照雾图求取其透射率图前,先行利用同态滤波技术对其光照分量进行均匀化处理,去除不均匀光照,以得到准确的透射率图,再对预处理之后的图片进行后续处理。(2)在透射率优化过程针对软抠图算法效率低下的问题,先行采用基于SLIC(simple linear iterative clustering)超像素分割方法的引导滤波改进算法对估计出的粗略透射率图进行初步优化,再使用引导滤波迭代优化来获得更为精确的透射率图,保留图像边界信息的同时提高了算法效率。(3)提出了一种新的计算大气光值的方法,消除了雾化图像存在的灰白区域对大气值估算的影响,大大提高了大气光值计算的准确度。最后,利用所提算法对随机图像进行仿真实验,实验结果证明对于存在非均匀光照的雾天图像,该算法也可进行有效的复原,提高图像的清晰度。