目前对有雾图像进行去雾操作的要求是能够有效提高有雾图像的对比度,同时恢复有雾图像的颜色特征及图像内包含的细节信息。目前,在图像去雾的研究领域中备受青睐的是暗原色去雾算法。但是该算法虽然得到的去雾图像效果比较好但是它也有下面两个缺点:第一,它不仅需要进行软抠图拉普拉斯矩阵的可逆化操作,导致算法的耗时问题比较严重,而且该算法也会使得去雾后的图像的边缘出现边缘效应;第二,暗通道先验理论对目标图像中含有大面积的浅色的高亮区域会失效,如果仍然使用该理论的话,会导致天空区域去雾后的图像出现明显的色偏失真现象。本文针对这几个问题主要做了如下工作:(1)主要研究暗通道算法的理论以及去雾的过程。首先建立图像去雾模型,然后进行参数的估计,最终进行参数的反演,以得到去雾图像。(2)就暗原色去雾算法运行时间的耗时问题以及边缘效应问题,提出了基于四分加权的暗原色先验去雾算法。首先,对大气光值A利用四分加权算法进行准确的估计;然后,通过引导滤波的方式对利用暗原色先验原理得到的粗略透射率进行处理,从而获得优化的透射率t(x);最后,把t(x)和A代入大气散射模型,从而得到去雾后的图像。(3)就暗原色先验理论对大面积的浅色区域失效的问题,提出了基于序列分解的天空去雾算法。首先,采用边缘检测和优化的最大类间方差相结合的方法把天空区域和非天空区域分割开;然后,对非天空区域采用上一个改进方法,而对天空区域进行序列分解增强算法;最后,将去雾之后的非天空区域和增强后的天空区域进行融合。(4)就本文提出的两种改进算法的有效性,进行了仿真实验对比,分别从主观视觉评价和客观量化指标来对提出的改进算法进行验证。