雾是秋冬季节常见的一种天气现象。受雾的影响，所采集到的图像呈现对比度较低、图像中景物不清晰的特点。由于雾天图像中许多物体的特征被雾气所覆盖和模糊化，因此无法清晰地反映出真实场景信息，从而直接影响了户外视觉系统后续工作的稳定开展。由于暗原色先验去雾算法的暗原色区域选取会影响介质透射率估算的准确性，本文提出结合图像分割的暗原色先验去雾算法。该算法首先按照图像场景的深度信息和物体属性来对图像进行区域分割，再在分割的小区域内提取出图像的暗原色值，避免了人为选取固定小区域的不合理性，从而得到更为正确的介质透射率估计，因此能够提高最终去雾图像的效果。为了减少去雾算法耗时性，结合图像分割的暗原色先验算法采用指导滤波器代替原算法中的抠图步骤，并且在去雾流程中添加了白平衡步骤用于解决色偏问题。为了进一步降低图像去雾的计算时间，本文研究了一种新的估算介质透射率的算法。该算法通过对原始图像在RGB三个通道内求最小然后使用边缘保持滤波器对之进行滤波，避免了区域选择操作和人为的方块效应，直接快速地获取到介质透射率的估计。该算法的重点在于滤波过程中是否能够对图像由于景深突变而产生的边缘进行良好保持。为了达到更好的边缘保持效果，在研究双边滤波保持边缘的思想上提出基于域变换的快速边缘保持滤波算法，从而达到清晰化效果和快速性统一的效果。本文在个人计算机上搭建了单幅雾天图像清晰化的实验平台，验证了本文所设计算法的去雾有效性和实时性。