随着科技和工业化的高速发展,雾霾天气成为了非常常见的自然现象。在这样的天气中,大气悬浮粒子如水滴,颗粒物等会对大气光线产生散射,导致光学成像系统所获取的图像出现对比度下降、细节不清晰、局部亮度偏高、饱和度降低等一系列降质退化现象。图像降质退化给后续的目标检测与跟踪、图像识别等计算机视觉领域的技术工作造成了很大的影响,给医学、军事、工业以及交通等行业的工作带来了极大的不便。因此,研究如何复原有雾的图像,提高有雾条件下图像的清晰度,降低有雾天气对成像系统获取图像的影响有着极其重要的意义。目前大部分的去雾方法处理的都是白天有雾的户外图像,而且是基于大气光均匀分布的假设而实现,这并不适用于夜间有雾图像。因为夜间的场景往往包含大量的人工光源,如路灯和机动车的前照灯等,且夜间有雾图像往往因为环境光线的问题,导致所拍摄的图像画面时常会包含大量的暗区,这使得许多的细节很难分辨清楚。为解决上述问题,本论文详细分析了雾天降质图像的形成机理,深入研究了图像去雾的理论知识和方法技术。论文对现有的图像去雾方法在改进、完善和引入新思路等方面,做出了一些有意义的实际工作,具体研究内容如下:1.针对白天去雾中天空区域恢复不真实的问题,本文提出了天空区域分割方法。基本思想是利用梯度和亮度两个约束条件分割出天空区域,并获得像素点属于天空区域的概率分布。该方法能够识别并分割出天空区域,有利于提升天空区域的恢复效果,为提高大气光和透射率估计精度的研究打下了基础。2.针对白天去雾中雾气浓度估计精度不高的问题,本文提出了雾气浓度特征模型。经过研究发现雾的浓度跟像素点的局部亮度、饱和度以及梯度有关,可以根据上述关系建立线性雾气浓度估计模型。获得粗略的雾气浓度估计图后,利用引导滤波进行平滑,从平滑后的雾气浓度图的细节可以看出该模型提升了雾气浓度分布的估计精度。3.针对夜间有雾图像具有较大面积的人工光源光晕的问题,本文改进了图像分层方法来消除光晕、校正色偏。具体做法是图像分层的梯度直方图特性,通过图像去高斯模糊的并结合白平衡校正的方法分离光晕层图像,使得分离后的图像光源形状保持完整,并且颜色看起来更加自然。4.针对夜间有雾图像中亮暗区域大气光和透射率估计方法不准确的问题,本文提出了基于颜色通道差异来分割光源区域的方法,将这种差异作为亮暗区域的概率分布。这样可以分别估计光源和非光源区域的大气光和透射率,并通过概率值进行叠加,可以提高大气光和透射率的估计精度。5.针对光源区域和非光源区域的透射率差异,本文首先统计图像的亮度、饱和度以及梯度信息对图像进行深度估计。通过实验统计发现它们跟图像深度呈正相关,可建立非线性深度估计模型求解透射率。然后,对于非光源区域则利用暗通道先验来估计透射率。最后,利用像素点的概率分布叠加上述两部分透射率,可得到整幅图像的透射率分布。6.为了验证提出的算法具有明显的去雾效果,本文利用了质量评价方法如结构相似度,峰值信噪比,对比度增益,图像盲评价等,从主观和客观两个角度对实验结果进行了评价。此外,本文记录算法的运行时间并与其它实时性算法进行了对比。根据实验可知,本文的算法运行速度快,去雾效果提升显著。