计算机视觉系统在采集图像的过程中,容易受到外界环境的干扰。特别在雾霾天气下,采集的户外图像往往退化严重,主要表现为清晰度下降、色彩失真、纹理细节模糊等,而将特征受损的图像作为输入必然会影响系统后续对图像的分析和理解,削弱视觉系统的工作性能。因此,研究如何有效地从有雾降质图像中重建出原始图像,对提高视觉系统的应用性能和鲁棒性具有重要的现实意义。分数阶微积分可以在提高信号高频成分的同时非线性地保留信号中的低频成分,将该理论应用到图像去雾中,可以在保留图像纹理信息的同时使图像边缘更加突出。同时,由于单一正则化的图像去雾模型采用的先验信息不足,因此需融入更多的正则化先验信息来改善图像去雾效果。为此,提出了两种不同的图像去雾模型及快速图像去雾系统进行定量分析:1.利用分数阶导数对图像建模,融合暗通道先验理论对初始透射率的估计方法进行修正,建立暗通道和分数阶多正则化约束的单幅图像去雾模型。首先,根据暗通道先验原理对初始透射率的估计方法进行修正得到精细化透射率。其次,将分数阶导数引入变分图像去雾模型,建立一种分数阶多正则化约束的变分模型优化初始透射率,该模型的第一项为L2保真项,用来度量初始透射率和精细化透射率的差距;第二项为分数阶正则化项,利用降质的雾图的分数阶梯度图作为引导图来刻画图像边缘和纹理细节;第三项为总变分正则化项,用来保留图像边缘并抑制噪声。然后,采用交替方向乘子法ADMM（Alternating Direction Multiplier Method）对模型进行高效求解,最后,引入容差机制对含天空等明亮区域的透射率做进一步修正复原潜在清晰图像。去雾后的图像与经过He算法、Kimmel Retinex算法、Fang算法、Meng算法处理后的图像进行了对比。实验结果表明,该方法去雾后的图像不仅可以有效保留纹理细节,还能较好抑制块效应和伪影的产生,同时具有较强的鲁棒性。2.结合暗通道先验理论和分数阶微积分理论,建立了一种基于暗通道和分数阶TVBH（Total Variation and Bounded Hessian）的图像去雾模型。首先,采用暗通道先验理论获得有雾图像的透射率图。其次,引入分数阶导数,构建了一种分数阶多正则化约束的变分模型对透射率进行精细刻画。用分数阶透射率正则项和透射率数据项这两项来优化透射率;用分数阶TV（Total Variation）正则项和分数阶BH（Bounded Hessian）正则项作为去雾图像的正则项,在克服斑点效应和阶梯效应的同时保留图像的边缘和精细结构;引入透射率为去雾图像的数据项,使去雾图像更接近原始图像。最后,采用分裂布雷格曼（Bregman）算法和快速傅里叶变换对模型进行求解。去雾后的图像与经过He算法、Kimmel Retinex算法、Fang算法、Meng算法处理后的图像进行了对比。实验结果表明,该方法去雾后的图像不仅能够抑制阶梯效应和斑点效应,还能保留图像的纹理细节,同时使去雾图像更加清晰自然。3.为了更好的演示图像去雾的流程和效果,根据Matlab提供的GUI界面功能设计了一个单幅图像去雾的可视化界面。将He算法、Kimmel Retinex算法、Fang算法、Meng算法和本文改进后的两种算法封装起来,更加方便地对不同算法进行定量分析。