近年来，随着我国工业和城市化的发展，雾霾天气频繁出现。图像采集设备在这种恶劣条件下获取的图像通常会出现清晰度降低、信噪比降低以及图像关键信息丢失等问题，严重影响室外视觉系统效能的发挥，采用有效的方法实现图像去雾成为近年研究的重点。本文在大气散射模型的基础上，分析了雾天图像降质的原因，详细介绍了基于暗通道先验的图像去雾原理，并针对暗通道先验图像去雾的缺陷，提出了两种新的基于暗通道先验的图像去雾算法。本文的主要工作如下：
　　(1)提出了一种基于拉普拉斯双边滤波(Laplacian-of-Bilateral，LOB算子)的改进加权引导滤波图像去雾算法。针对使用传统的引导滤波细化透射率不能适应图像本身不同区域的纹理特性，可能会导致恢复图像的某些边缘区域出现光晕伪影的问题，本文设计了一个LOB算子的边缘感知权重函数，把该函数并入引导滤波中形成加权引导滤波。仿真结果显示使用改进的加权引导滤波细化透射率能有效避免去雾图像边缘处出现的光晕伪影现象。
　　(2)提出了一种基于自适应容差的单幅图像去雾算法。针对暗通道先验不适用于天空等明亮区域的缺陷，本文提出了一种根据雾天图像本身特征获得自适应容差的计算方法，然后利用该容差去修正暗通道先验失效区域的透射率并获取最终恢复图像。仿真结果显示该改进算法不仅可以很好地恢复含有大面积明亮区域的图像，避免颜色失真，还能更好的保存图像细节。
　　最后经过主观观察和客观指标分析，本文所提算法明显优于原算法去雾效果。另与一些先进算法相比，本文所提算法处理后的图像效果更佳。