在雾、霾等恶劣环境下获取的户外图像,往往存在模糊不清、对比度低和色彩失真等问题,不仅极大限制了户外图像采集系统的使用,而且对后续的图像分析与应用也产生了严重的干扰。因此,通过图像去雾技术复原出质量较高的清晰图像显得尤为重要,成为了民用和军事领域的研究热点,受到国内外学者的广泛关注。本论文首先根据大气散射模型分析了雾霾图像降质的原因;然后深入研究了基于颜色椭球先验的单幅图像去雾算法,针对其存在的问题提出了新的优化算法;最后在户外雾霾图像和回转窑燃煤火焰图像上进行了大量的去雾实验。主要研究内容如下:（1）针对颜色椭球先验去雾算法计算透射率不准确的问题,采用了一种基于Anis GF的透射率计算与细化方法。引导滤波器作为一个弱各向异性滤波器,在计算模糊分割权重时会因受到噪声的干扰而导致透射率计算不准确,因此,利用具有更强各向异性、更好边缘保持特性的Anis GF的加权平均操作,重新计算得到更准确的透射率,可有效消除去雾图像中边缘区域的halo现象。（2）针对颜色椭球先验去雾算法估算大气光值不准确的问题,采用了一种自适应四叉树估算大气光值方法。为避免图像中高亮物体的干扰,对雾霾图像进行中值滤波操作,以四个区域中所有像素点的平均值与标准差的差值作为四叉树的分割依据,并在分割时通过自适应阈值方法来防止大气光值估算不准确,最后以选定区域中的最大强度值作为大气光值。自适应四叉树估算方法获取的大气光值比传统估算方法获取的大气光值更准确且运行速度更快。（3）针对燃煤火焰图像因受回转窑内火焰区域、粉尘颗粒等的影响而模糊不清、光照不均匀的问题,提出了一种基于局部信息的燃煤火焰图像去雾算法。该算法可根据燃煤火焰图像特有的火焰光源特性来估算不同位置的大气光值,解决了燃煤火焰图像的大气光值不是一个全局常量的问题,不仅具有更好的增强效果,有效消除了粉尘颗粒等对燃煤火焰图像产生的干扰,而且具有较快的运行速度,可满足实际应用中图像实时去雾的要求。