雾是一种常见的自然天气现象,受雾的影响,大量的户外计算机视觉系统获取的外部信息不足,包括交通监控、遥感导航和军事刑事侦查系统。同时,雾天拍摄的图像发生了模糊和退化,造成了图像对比度降低和场景信息缺失等问题。因此,针对雾天形成的模糊图像,采取有效的方法进行图像去雾处理,提高户外计算机视觉系统的工作质量,是目前图像处理的相关领域亟待解决的热门问题。本文主要从基于物理模型的角度实现雾化图像的复原,分别对基于大气耗散分析和基于暗通道先验的两种不同的去雾方法进行研究。针对已有算法的不足之处,提出了若干优化的策略,包括多尺度估计和邻域透射率优化等方法,实验结果表明本文提出的算法有效、可靠。本文的主要研究工作及成果如下:1.利用多尺度方法改进大气光成分估计参数估计对去雾效果有直接影响,特别是大气光成分参数估计的精度,它的精确与否直接影响了去雾的效果。因此,为了提高大气光成分估计的精度,本文提出了多尺度大气光强估计方法,从多个尺度估计大气光并对结果进行加权平均,采用双边滤波快速优化大气耗散成分,实现更加有效、快速的去雾处理。2.提出了基于MDCP与引导滤波融合的透射率优化方法为了进一步细化透射率,结合中值暗通道和引导滤波方法的特点,本文提出了一种基于MDCP与引导滤波融合的透射率优化方法,实验结果表明,本文提出的方法能够更好的优化透射率,从而改善光晕效应和提高去雾质量。3.提出了改进的暗通道先验去雾方法:多尺度求取暗通道和快速估计透射率传统方法采用单尺度方式求取暗通道,存在估计精度不足的问题,影响去雾质量。为了提高参数估计准确度,本文提出了基于多尺度策略的改进暗通道计算方法。此外,现有透射率优化方法均带来了额外的时间开销,为了进一步提高运行效率,本文提出了一种基于邻域暗通道先验的快速估计透射率的方法,从而减少对额外的透射率优化过程的依赖,降低时间复杂度。4.图像去雾实验和评价指标计算首先,对基于大气耗散分析和基于暗通道先验的去雾方法分别进行实验,给出了实验的参数设置,对实验结果进行主观判断分析,结果表明本文改进的方法取得了较好的去雾效果。其次,通过一些图像评价指标的计算,包括对比度、信息熵、平均梯度和细节强度等指标,对去雾效果进行客观的评价,计算结果表明本文改进的方法在各项指标均有一定程度的提高。最后,综合比较基于大气耗散分析和基于暗通道先验方法的去雾效果,给出了两种方法的适用场景。