近些年伴随着中国经济的高速发展,以及中国工业化进程的加快,城市大气环境污染也愈加严重,尤其是雾霾天气的频繁出现。不仅为人们出行带来了不便,同时也为广泛应用于城市道路交通监控、卫星遥感、军事侦察等领域带来了严峻的挑战。雾霾天气的出现造成监控设备采集到图像的质量严重下降,这样往往会加大特征提取、目标跟踪等后续工作的难度。因此,近些年图像去雾算法的研究已经成为计算机视觉领域的热点,该类算法具有适应时代发展和应用前景广阔等特点,非常值得国内外学者研究和发展。本文的主要围绕以下三个方面展开研究:雾霾图像成像原理、雾霾图像去雾算法和去雾算法性能评价。主要研究内容如下:(1)雾霾图像去雾算法的研究中会涉及到多个学科领域,首先研究雾霾的形成机理、大气散射理论和雾霾图像退化模型,以此为基础研究雾霾图像的成像原理、图像建模以及雾霾图像的特征分析,为后续的研究夯实基础。(2)研究基于图像增强的去雾算法,其中直方图均衡化去雾算法主要改善了雾霾图像灰度级分布集中的问题,从而提高对比度;同态滤波去雾算法是在图像频率域进行处理,强化图像高频分量和抑制低频分量,不但提高对比度,同时也增强图像边缘信息;retinex算法是在图像频率域进行处理,去雾效果优于同态滤波算法,并将后来提出的四种改进的retinex算法进行比较和结果分析,获得去雾效果最理想的算法。(3)研究基于暗通道先验的去雾算法,该算法在去雾效果上有明显的优势,但是该算法利用软抠图算法优化粗糙透射率导致算法复杂度较高;利用导向滤波替代软抠图,这一策略减小算法复杂度,但是去雾效果稍差。本文针对这一缺点,提出一种优化的去雾算法,该算法结合Frankle-McCann Retinex算法和导向滤波算法优化粗糙透射率,同时本文改进了原算法大气光估计和滤波窗口的参数选取原则,通过去雾算法的仿真和结果分析比较,验证了出本文改进算法的优势。(4)在本文最后部分主要研究图像评价方法,并对文中提及的去雾算法完成图像评价,通过结果分析验证出本文改进算法的优势,同时发现本文改进算法更适用于雾霾浓度较大的图像。