如今越来越多的地区有雾霾天气频繁出现,光的传播在此类大气条件下,受到介质微粒的吸收及散射等作用,能量衰减的同时,光路方向也会被一定程度改变,对应电子设备所获取的图像常会出现画面模糊、对比度低且颜色衰减失真的情况,这种降质对后续基于图像数据的各类军事、民生等领域系统的正常工作造成了严重影响。因此,对于该类退化图像进行有效的去雾操作以恢复图像质量,具有十分重要的研究意义及实用价值。本文首先按照处理方法是否基于物理模型分类,对图像去雾相关的国内外主要研究成果进行了原理介绍及处理效果的优缺点分析,阐述了雾天图像的降质原理及退化表现。接下来,重点研究了被广泛应用的暗通道先验去雾算法,从其理论内容、先验的成立条件及验证实验、各参数的获取方式加以论述。在全面分析该算法的处理过程后,对其尚存在的不足进行了总结。当有雾图像中存在大面积明亮区域及景深突变时,使用传统去雾方法处理后的结果容易出现颜色偏移和光晕效应。针对该类问题,本文提出了一种基于边界约束设置透射率估计值域与设定阈值自适应修正透射率的优化算法。改进算法在大气光值估计阶段使用自动与手动估计相结合的方式,为使用者对去雾结果进一步根据需求自行调整提供了解决方案。关于透射率的估计,首先通过辐射体边界约束,求取对应透射率的上下限,以替代传统算法中预先设置的固定数值,从而更加精准化限制透射率的取值范围。然后通过计算设置的阈值判断像素是否在同一景深范围,并根据强度差值比的情况,自适应做出相应的透射率修正,以优化参数估计。经过多组不同场景及不同数据来源的图像实验结果对比,并利用主客观分析表明,本算法能对有雾图像实现较好的图像去雾效果,在恢复清晰图像、增强视觉效果和可用性的同时,有效避免图像中的明亮区域出现颜色偏移伪影以及景深突变处出现光晕效应的问题。