随着机器视觉技术的发展,图像在人们日常生活中应用越来越广泛。但是户外采集的图像容易受到有雾天气的影响,导致获取的图像对比度差、清晰度低、色彩失真等,很大程度上限制了户外视觉系统的功效,因此图像去雾的研究有着重要的现实意义。本文在分析人眼视觉特性和雾天图像退化模型的基础上,对单幅图像去雾方法从图像增强和图像复原两个方向进行研究。在图像增强领域主要研究了基于Retinex理论的图像去雾算法,分析了滤波器设置对去雾效果的影响和去雾后光晕现象产生的原因。针对Retinex算法难以平衡细节与色彩保真的问题和去雾后场景亮度变化较大处有光晕产生的问题,提出了一种基于Retinex理论的双色彩空间去雾算法,并用双边滤波对照度分量进行估计。该方法首先在HSV色彩空间保持图像的色彩,使用较高尺度双边滤波在亮度通道上估计照度分量,并对饱和度通道进行自适应Gamma矫正;然后在RGB色彩空间增强细节,分别于三个颜色通道上使用较低尺度的双边滤波估计照度分量,对反射分量使用S型函数增强处理;最后将两种色彩空间去雾后的图像在RGB色彩空间进行像素级融合。实验结果表明,所提改进算法细节增强效果明显,色彩保真度高,且没有光晕现象出现。在图像复原领域主要研究了基于暗通道先验的图像去雾算法,分析了大气光对去雾结果的影响和天空等暗通道先验失效区域透射率估计偏低的原因。针对大气光估计不准确的问题,将单一值的全局大气光扩展至局部大气光图,首先通过四叉树算法求取基准大气光,然后与亮通道图相结合生成大气光图,提高了大气光值估计的准确性并使之适用于图像的不同区域。针对暗通道先验透射率估计偏低导致色彩失真的问题,提出一种依据透射率与亮通道图像特征的暗通道先验失效域鉴别模型,并利用亮通道对透射率偏低区域进行自适应补偿。实验结果表明,所提出的改进算法去雾后场景明亮清晰,改善了天空区域去雾后色彩失真的不足。