计算机视觉系统获取的图像质量直接影响其实用价值。实际环境中，因雾、霾、雨、雪等恶劣天气存在，室外视觉系统获取的图像质量会大大降低。本文对基于大气散射模型的单幅图像去雾算法进行研究，分别对fattal和何凯明两位作者提出的两种代表性算法进行改进，以获得更佳去雾效果。　　基于大气散射模型的图像去雾算法需要解决两个问题：估计大气光A与估计透射率t。针对fattal去雾模型，重点对估计大气光与估计透射率t做了深入分析，采用基于颜色及纹理相似度的图像分割算法获得区域分割图，计算透射率，根据大气散射模型恢复含雾图像。针对该方法出现的小区域偏色问题，采用基于小波的后处理方法，实验表明该方法效果较好。　　现有方法对浓雾且与背景与大气相似时的图片去雾效果较差，且暗通道去雾存在恢复图像偏暗、对比度不够、图像存在光晕和细节不突出等问题，本文提出一种改进的中值暗通道优先的图像去雾算法。新算法将去雾图像的前处理与后处理结合。暗通道去雾前，采用二维模态分解的方法对含雾图像进行预处理，利用暗通道优先原理计算全局大气光，获得随深度变化的大气传输衰减过程，并对其进行双边滤波和带色彩恢复的多尺度视网膜增强（MSRCR），以达到保留图像细节信息和提高图像局部对比度的目的，得到场景的反射图像，实现图像去雾。实验表明，该方法不仅能消除图像去雾后产生的“光晕”现象，进一步丰富图像细节信息，且能在保持图像色彩信息的基础上，动态地提高图像对比度，达到较为理想的去雾效果。