目前,计算机视觉系统被广泛应用到监控、导航等领域,由其捕获的图像质量对计算机视觉方面的许多应用如图像分类、目标检测以及交通监控等产生较大的影响。然而,在雾天环境下,由于大气中悬浮着的微粒对光线的吸收和散射,导致计算机视觉系统获取到的户外图像对比度和可见度降低,图像出现色彩失真,这将会降低整个系统的性能,对人类的生活和安全产生较大的负面影响。因此研究有效的图像去雾算法具有非常重要的意义。然而,现有的多数图像去雾算法难以提取场景的深度信息计算场景透射率,并且当场景中存在与雾颜色相近的亮白区域时,估计全局大气光的精度会明显降低。因此,本文针对雾天场景深度难以提取及场景中亮白区域降低全局大气光估计精度的问题展开研究与分析。论文主要工作如下:(1)针对难以通过提取雾天场景深度计算初始透射率的问题,本文提出一种结合光场多线索和大气散射模型的图像去雾算法。该方法采用光场多线索融合深度估计方法提取雾天场景的深度信息,并计算初始透射率。而后,为了降低噪声对透射率图中物体边缘区域透射率值的影响,本文利用基于加权1-范数上下文规则化构造目标函数对初始透射率迭代优化。实验结果表明,该方法提取的透射率图中物体的边缘区域透射率值更加精确,并且去雾后的图像能更好的保留图像的结构信息和色彩信息,获得更优的图像去雾效果。(2)针对引导滤波方法优化场景初始透射率时会将引导图像中的一些未能体现深度变化的细节纹理引入到透射率图中,导致滤波优化后的透射率仍存在较大误差的问题,本文设计一种基于互结构联合滤波的光场图像去雾算法。该方法利用具有结构一致性的互结构联合滤波方法对场景初始透射率进行联合优化。实验结果表明,该方法优化后的透射率图中不存在未能体现深度变化的细节纹理,能够获取到高精度的透射率,实现更好的图像去雾效果。(3)针对当场景中存在亮白区域时估计出的全局大气光值存在较大偏差的问题,本文根据户外雾天图像天空区域的多种特征表现,设计一种结合深度和纹理信息的全局大气光估计方法,实现对全局大气光值的估计。实验结果表明,与现有的图像去雾方法相比,本文方法能够较好的排除雾天场景中存在的亮白区域对全局大气光估计的影响,估计出的全局大气光的值更加合理精确。