在有雾天气下,众多图像采集设备获取到的图像常因对比度低、色彩失真而降低了其应用价值,因此,改善雾天获取图像的质量是一项具有重要意义的研究。本文对已有的单幅图像去雾算法进行深入的探索和学习,讨论并总结了不同去雾算法的核心思想,通过大量理论分析和实验对现有的算法进行改进和完善,做了如下工作:1.提出了基于滤波策略的暗原色先验去雾改进算法,首先对暗原色先验函数进行中值滤波,消除了边界不连续区域产生的Halo效应,其次引入修正因子修正透射率,改善了天空区域失真问题,最后应用维纳滤波对局部透射率进行平滑滤波,保证透射率在局部区域保持不变的特性并且降低了算法的时间复杂度。大量实验结果表明,该方法运行速度较快,可以得到较为清晰的去雾图像,有效去除去雾图像中的Halo效应。2.提出了基于融合策略的图像去雾算法,首先通过改进的暗原色先验去雾算法获得一幅待融合的色调偏移小、颜色暗沉的去雾图像,然后通过分析有雾图像和无雾图像在HSI颜色空间的特性,采用CLAHE(限制对比度自适应直方图均衡化)算法对有雾图像的S分量和I分量进行直方图均衡化获得第二幅待融合的高饱和度、高亮度的去雾图像,最后采用像素级图像融合算法将这两幅去雾图像融合得到最终去雾图像。通过对去雾图像进行客观质量评价,表明基于融合的方法可以提高整幅图像的亮度,较好的恢复图像的色偏。此外,这种将物理模型方法和非物理模型方法相结合的方式也是今后研究的一个方向。