在有雾的情况下,大气中常常会悬浮很多小颗粒,这些颗粒会对光线产生散射作用,导致户外采集到的图片不够清晰,对比度和饱和度等都会有所降低,还会发生一些细节信息的丢失。这对于一些户外应用场景的系统来说,会造成严重干扰。比如户外监控系统以及日常航拍、抓拍等一些系统,捕捉到图片质量下降会严重影响后续的研究与应用。目前常见的去雾算法都是根据大气散射模型,估计全局大气光值与图像中每个像素的透射率值,最后根据模型计算去雾后的像素值,研究重点都是对每个像素点透射率值的估计和优化。常见算法中都是假定某一区域内各像素对应的透射率值是相同的,对于一些景深变化明显的区域,这种方法经常会出现去雾的程度不彻底现象。本文基于大气散射模型,提出了一种新的去雾算法,采用能量最小化的方式估计透射率值,对每个像素进行单独处理代替常见的对图像窗口进行处理。首先,本文改进了原有的基于四叉树子空间划分的估计大气光值算法,使其在更多的场景都能有很好地应用;另外本文算法没有采取在0-1之间遍历求取最优的透射率值的思路,而是用一个随机函数对图像中每个像素都随机初始化一个对应的透视率值。其次,本文根据去雾前后图像中各像素的变化情况并结合图像去雾的实验数据知识,利用图像各像素的饱和度与亮度等信息设定了一个特有的能量函数,采取使能量函数值最小的方式来求取最终的透射率值。最后,本文首次引进立体视觉中的优化思想到图像去雾领域,通过传播与随机搜索过程优化透射率图,之后结合大气散射模型最终实现图像的去雾。实验结果显示本文的算法在大部分场景下都能达到很好的去雾效果,而且在深度变化明显的区域去雾的效果也很明显。