图像去雾是计算机视觉领域的重要研究内容,其主要目的是尽可能减弱甚至消除雾气对图像质量的影响.现有的去雾算法主要分为两类:基于图像增强的去雾算法和基于物理模型的去雾算法.其中,基于物理模型的去雾算法因其针对性强且复原效果好逐渐成为去雾领域的主流方法.但是这类去雾算法中常存在一些待优化的问题,如:边缘保持能力较差、伪影抑制能力较弱以及易在大片天空区域失效等.以上这些不足在很大程度上是由透射率估计不准确造成的,因此本文重点对透射率的准确估计进行深入研究.本文的主要研究内容如下:1.针对大量基于暗通道先验理论的去雾算法在细节保持和伪影抑制等方面效果欠佳的问题,构建了一个含多正则化约束的总变分（Total Variation,TV）模型TV-L^1,2对透射率进行优化.通过多正则化约束,该TV-L^1,2模型不仅可以有效保留图像中的细节信息,而且还能较好地抑制块效应和伪影的产生.此外,为了克服去雾算法易在大片天空区域失真的问题,通过在雾图成像模型中引入容差机制来改善复原结果.2.为有效改善在大片天空区域的去雾性能,进一步提出了一种基于天空区域软分割和联合总变分（Joint Total Variation,JTV）模型的改进去雾算法.此改进去雾算法首先利用软分割方法对初始透射率进行修正,有效克服了天空区域失真和复原结果不自然的问题.并且,通过引入对潜在清晰图像和透射率的约束,在TV-L^1,2模型的基础上构建了一个改进的联合总变分模型JTV-L^1,2对潜在清晰图像和透射率进行联合优化.该模型在优化透射率的同时还能较好地抑制由软分割方法造成的估计误差.3.针对非光滑的优化模型较难求解的问题,提出了相应的基于交替方向乘子法的数值求解算法对TV-L^1,2模型和JTV-L^1,2模型进行有效求解.此数值求解算法通过将复杂的非光滑优化问题分解为两个易求解的子问题进行交替迭代求解,在保证算法收敛性的同时可以获得稳定的数值解.大量的定量和定性实验结果表明,与一些经典的基于物理模型的去雾算法相比,本文所提出的图像去雾算法在不同场景下均能复原出较优的无雾图像.