随着近年来机器视觉技术的飞速发展,各式各样的户外视觉系统已经广泛应用到人们的生活当中,例如智能监控系统、自动驾驶系统、航空侦察系统等。通常这类视觉系统对清晰度要求较高,然而受限于工作环境的影响,这些户外视觉系统容易受到雾霾、沙尘等恶劣天气条件的干扰,导致系统拍摄到的图像出现色偏、信息丢失、图像细节模糊不清等问题,对系统工作产生了严重干扰。因此快速有效的对雾天降质图像进行去雾处理,消除雾霾天气条件对户外视觉系统的干扰,在工业生产和生活应用中有着迫切需求。传统的图像去雾算法存在计算复杂度高,远景物体去雾效果不佳,不能完全矫正图像中的色偏等问题。针对以上问题,本论文从雾天图像退化模型入手,详细分析了雾霾天气条件下图像中产生模糊和偏色的原因,并阐述了图像饱和度增强去雾的理论可行性,在此基础上设计实现了一种基于饱和度增强的图像去雾方法,本文的具体研究内容如下。(1)建立用于偏色矫正的大气散射模型。通过对雾天降质图像偏色产生的原因进行详细分析,本文中认为除传统大气散射模型中的大气光值以及大气透射率在不同颜色通道的值不同之外,拍摄物体表面的场景光照因素也是雾天降质图像中产生偏色的主要原因,因此本文将场景光照因素加入大气散射模型之中,最终可以通过平衡去雾图像中不同颜色通道的大气光照,实现去雾图像的颜色矫正。(2)设计了基于饱和度增强的图像去雾算法。本文通过分析图像饱和度和场景雾霾浓度之间的变化关系,发现图像饱和度与雾霾浓度之间呈一种反比例函数关系,所以增强图像饱和度能够显著消除图像中的雾度信息,基于此本文提出了一种通过降低图像最小值通道像素值来增强图像饱和度的方法,并依据饱和度增强图像求得图像透射率,随后采用中值滤波迭代算法对图像透射率进行优化,用以平滑透射率图像中的微小细节信息,同时保持透射率图中的层次信息,最终实现图像去雾效果。实际仿真结果表明,本文去雾算法处理结果的空间频率以及平均梯度指标平均达到26.11和5.38,与He等人算法、Kim等人算法、Zhu等人算法相比,本文算法在空间频率指标方面平均提升了 4.56%,在平均梯度指标方面平均提升了 8.81%,在运行速度方面平均提升了 12.73%。证明本文算法在去雾图像的视觉质量和运行速度方面均具有一定的优势。(3)实现了一种实时视频去雾算法。针对高清视频实时去雾的需求,本文对饱和度增强去雾算法进行了简化,通过对初始图像透射率进行高斯降采样,用以减少透射率优化算法的运算量,同时本文还对算法进行了 OpenMP并行运算优化以及SSE指令集加速优化,以达到视频实时去雾效果。经实际测试,优化后的算法在双核处理器下能够实现720p视频实时图像去雾需求,在四核处理器下实现1080p视频实时去雾需求。