光学成像系统对雾、霾等恶劣天气较敏感。受大气中水分子等微小颗粒对光线的吸收和散射影响,在这些条件下获取的图像对比度、颜色饱和度和可见度大大降低,严重影响了图像在计算机和许多视觉系统中的使用。图像去雾技术旨在去除有雾图像中的天气影响,并恢复场景的可见度和真实色彩。因此,在摄影、视频监控、对地观测和其他计算机视觉应用中,图像的清晰度复原研究具有很重要的现实意义和实际应用价值。论文以图像复原方法中的大气散射模型为基点,针对目前去雾算法中存在的一些问题,如景深雾气处理困难,景深估计困难,透射率估计不准确等,提出三种可行性算法:（1）线性约束下的高斯自适应标准差去雾算法。针对暗通道先验算法中透射率在天空等明亮区域估计过小以及最小滤波使用不足问题,首先利用有雾图像的最小通道图构造高斯函数来近似估计无雾图像的最小通道效果,从而提高天空等明亮区域透射率的准确度;然后为了防止无雾图像最小通道灰度级超出范围,提出线性系数进行约束使得其灰度级分布在一定范围内;其次,观察到高斯函数标准差与雾浓度呈负相关,提出自适应标准差来控制最终复原效果,并利用交叉双边滤波进行优化得到较准确的透射率,从而得到最终的复原图像。实验证明,该算法有效恢复了图像的对比度和细节信息。（2）结合自适应雾气估计的快速单幅图像去雾算法。针对图像景深估计困难以及浓雾图像处理困难等问题,首先,从大气散射模型出发,通过实验分析发现景深与亮度分量之间存在相关关系,提出线性系数并近似估计出景深,并通过最小滤波操作对明亮区域进行修正;其次,观察到散射系数值随雾浓度增加而增加,从而结合雾浓度模型与指数函数提出自适应散射系数概念,估计出较准确的透射率;实验证明,该算法可以复原出清晰自然的无雾图像,明显提高了复原图像的可见度,且对浓雾图像同样有效。（3）基于RGB通道的景深约束去雾算法。针对图像中景深估计困难以及天空等白色区域处理困难问题,该算法受到CAP先验启发,利用图像RGB通道对光散射强度的算数平均值与图像中雾浓度之间的正相关关系,通过RGB通道的散射值来估计出场景深度;粗略景深图中远景区域灰度值较大,近景区域灰度值较小,从而利用线性系数进行约束;另外,为了消除相邻像素之间存在的不连续现象,该算法利用L₁规范的加权函数对景深进行优化,使其更加逼近真实情况;最后根据大气散射模型获得透射率并得到最终的清晰图像。实验证明,该算法可以很好的处理包含白色物体和天空区域的图像。