目前，随着科学技术和社会的发展，高清晰度、高分辨率的图像有着非常重要的价值。然而，由于雾霾天气频发，图像质量受雾、霾等恶劣天气的影响而严重退化，使得户外成像设备与无人机拍摄所获得的图像有用信息减少、对比度下降以及颜色失真，这对图像的特征提取以及图像的进一步分析带来严重的影响。因此，研究有雾图像的清晰化处理方法具有十分重要的现实意义。随着计算机科学技术和图像处理技术的快速发展，使得将雾从图像中去除已成为可能，图像去雾技术已经引起了许多学者的关注。　　本文基于大气散射模型和暗通道先验（Dark Channel Prior，DCP）理论，详细分析了暗通道先验理论去雾存在的三个主要问题的原因，并针对存在的三个问题进行了改进，提出了一种对透射率自适应估计的去雾方法。　　首先，针对暗通道去雾存在的光晕效应问题，使用Canny边缘检测算子检测图像边界，再对经过边缘检测的图像进行形态学膨胀运算确定发生光晕效应的区域，并在该区域使用高斯核函数诱导的自适应像素级高斯滤波代替最小值滤波来消除光晕效应，其它区域仍采用最小值滤波。　　其次，针对图像因天空区域不满足暗通道先验理论使得透射率被低估，最终使得复原图像天空颜色失真的问题，提出了对天空区域透射率进行修正的算法，使得复原图像的天空区域的颜色得以修正。　　然后，针对在图像去雾中大气光估计不准确的问题，本文采用先估计大气光方向再计算大气光方向与像素点相似度的方法估改进了大气光的估计方法，求得较为准确的大气光，使得复原图像更加清晰自然。　　最后，将本文算法用于多种条件下雾天图像的处理，实验结果表明本文所提出的图像去雾方法去雾效果明显，复原图像清晰自然，并通过客观评价方法证明本文去雾算法在图像去雾方面的优势。