在雾、霾天气，室外计算机设备获得了严重降质的不清晰图像，极大影响了计算机视觉系统在室外监控、地形勘探以及智能交通等领域的应用。所以图像去雾算法的研究和实现在生产、生活中具有重要意义。　　本文在归纳和总结了雾天图像清晰化算法的国内外研究现状的基础上，对基于图像增强和基于图像复原的两类去雾算法进行了深入研究，研究工作主要分为以下几个部分:　　(1)改进的单尺度Retinex雾天图像增强算法。本文在分析和研究直方图均衡化增强和多尺度Retinex(Multi-ScaleRetinex)算法的基础上，提出了一种符合人类视觉特性的拟合函数来增强雾天图像。该算法能有效改善直方图均衡化算法造成的雾天图像细节信息的损失、天空区域出现伪轮廓等问题，以及多尺度Retinex算法产生地灰化(graying-out)效应和场景突变区域的晕(halo)效应以及运算复杂度高的问题。实验结果表明本文提出的算法能够提高图像的信息熵值、对比度。通过对这三种图像增强去雾算法的直观和客观评价结果的对比，验证了本文算法的优越性。　　(2)基于亮度分量极小化的单幅图像去雾算法。通过研究和实现暗通道先验(DarkChannelPrior)去雾算法和快速单幅图像去雾算法，发现暗通道先验算法复原雾天图像具有较高的空间和时间复杂度，而快速单幅图像去雾算法中设置了较多的参数，且不易调整，易引入晕(halo)效应;针对这两种算法中存在的不足，本文提出了一种利用线性保边平滑滤波处理亮度最小化分量的图像去雾算法，降低了去雾算法的空间和时间复杂度;通过对这三种去雾算法在直观和客观评价结果的对比，验证了本方法去雾效果显著，具有良好的视觉欣赏效果，能满足实时处理的需求。