在恶劣的天气条件下,如存在雾、霾等环境因素的影响,大气中这些微小粒子的散射和折射作用于成像系统,会导致获得的图像色彩饱和度和对比度下降,从而丢失很多重要细节信息,不利于图像特征的提取和辨识,使得各种户外监控系统、检测系统的应用受到极大限制。为了获得更为清晰的去雾图像,提高场景的清晰度和辨识度,论文在分析雾天图像物理模型基础上,深入研究和分析先进的暗通道先验的去雾算法理论。暗通道先验理论去雾具有简单有效、恢复效果好的优点,但也存在去雾不彻底和明亮区域色彩失真的缺点。论文针对暗通道先验算法的不足,提出两种新的改进算法,主要研究工作和实现成果如下:将退化图像分为不含明亮和含明亮区域图像,分别提出补偿算法和引导滤波自适应阈值去雾算法:(1)对不含明亮区域的退化图像,论文深入分析块效应和白边效应产生的原因,结合Gibson的中值滤波理论补偿暗通道图,将退化图像的最小值图像作为引导图,通过引导滤波细化新的暗通道图间接求得透射率,改善中值滤波对局部暗通道值估计过大造成的黑斑现象;(2)对含明亮区域的退化图像,通过深入分析大气散耗函数的特性,将有雾图像的最小值图像取局部最大值后作为引导图,对最小值图像进行引导滤波得到大气散耗函数,利用大气散耗函数和最小值图像的绝对差值作为对比度,来区分雾浓区域和本身值很大的近景区域,从而获得更为精确的大气散耗函数,通过明亮区域像素点分层统计自适应设定阈值,结合容差机制修正估计过小的明亮区域透射率,改善明亮区域色彩失真现象。此外,对两类图像的大气光强度估计进行区别处理,对不含明亮区域的退化图像,利用暗通道理论进行大气光强度估计;对含明亮区域的退化图像,则增加了自适应阈值使其较为精确定位天空位置,从而得到更为精确的大气光强度的估计值。实验结果表明,补偿算法获得的图像具有更为清晰、色彩饱和度更佳,同时细节区域对比度更高的优点,并且消除了黑斑效应;引导滤波自适应阈值算法获得的图像在明亮区域清晰自然,兼顾了近景去雾效果,整体上场景的对比度和清晰度都有明显改善,而且大大提高了运算速度。