图像是人类主要信息源之一,图像质量会直接影响人们对信息的分析判断。近些年,我国北方雾霾天气频发,造成成像设备采集的图像分辨率低,甚至严重失真,对户外视频监控、地形勘察等造成严重影响。因此,研究图像去雾具有重要意义。本文首先对雾天图像降质原因进行了研究分析,并对多种图像去雾算法进行了实验、分析和评价,其中包括基于图像增强、图像复原和深度学习的单幅图像去雾算法。其次,选择对基于图像复原的单幅图像去雾算法进行深入研究。主要结果如下:1对已有基于暗通道先验的单幅图像去雾算法进行了实验分析。实验结果表明,该算法目前存在两个主要问题:其一,暗通道先验理论不适用于天空区域,天空区域的亮度比较大,对天空区域使用暗通道先验会导致处理结果的天空部分失真;其二,使用引导滤波对透射率进行细化虽然提高了运算效率,但是处理结果会在景深突变处产生光晕效应。2针对基于暗通道先验的单幅图像去雾算法的处理结果存在天空区域失真的问题,研究总结出了一种基于暗通道先验的自适应阈值图像去雾算法。首先使用所提自适应阈值分割算法对图像完成分割,利用分割出来的天空区域估计大气光值。利用引导滤波算法对全局透射率进行细化,并使用本文所提出的自适应补偿方法对天空部分的透射率进行补偿,得到最终透射率。实验结果表明,论文算法能有效解决天空失真的问题,且实验结果在峰值信噪比等客观方面均有显著提升。该算法适用于图像含有较大天空区域,且不存在景深突变的场合。3针对基于暗通道先验的单幅图像去雾算法的处理结果在景深突变处存在光晕效应的问题,研究总结出了一种基于形态学和自适应阈值的图像去雾算法。首先利用自适应阈值算法分割出来的天空区域估计大气光值。利用灰度级形态学的开闭重建操作代替最小值滤波对图像的RGB三通道最小值图进行去噪处理得到细化透射率。为了提高天空区域的亮度,最后对天空部分的透射率进行自适应补偿得到最终透射率。实验结果表明,论文算法在运行效率上有着明显优势,能有效解决光晕问题,并提高天空亮度。该算法适用于图像含有较小天空区域,存在景深突变,且时效性要求高的场合。