在雾、霾等恶劣天气条件下,空气中悬浮着大量的小水滴、浮尘颗粒等会对光线产生散射和折射作用,导致户外能见度降低,成像设备所获得的图像会受到严重的污染,致使获得的图像对比度降低、色彩失真或者场景信息丢失。由于有雾图像的可视性较差、图像特征的分析与提取较为困难,极大地影响和限制了视觉系统效用的发挥。因此,复原雾霾天气条件下所获得的退化图像具有重要的理论意义和应用价值。论文深入研究了暗通道先验理论,大气散射模型和引导滤波算法,并结合直方图均衡化算法提出了一种细化透射率图像的去雾算法。文中首先获得有雾图像的最小颜色分量图像,该图像中含有大量有雾图像中的景深与细节信息;通过直方图均衡化算法处理最小颜色分量图像,提高最小颜色分量图像的对比度。同时,补偿了最小颜色分量图像中局部光照不均匀的现象;由于经直方图均衡化处理过后的最小颜色分量图像中会有部分纹理效应,因此利用双边滤波算法保边去噪的特性平滑该图像;对比单颜色通道图像和RGB颜色通道图像分别作引导图所细化后的透射率图像,选取单颜色通道图像作为引导图。将上述经直方图均衡化算法、双边滤波算法先后处理过后的最小颜色分量图像作为引导图代入引导滤波算法,最终得到细化后的透射率图像;选取暗通道图像中亮度值前0.1%的像素点,对应到原有雾图像中。将这0.1%的像素点的值取平均值作为大气光值的估值;最后,将细化后的透射率图像和重估的大气光值带入到大气散射模型,进而恢复无雾图像。实验结果表明,本文算法恢复得到的无雾图像具有更好的清晰度、色彩饱和度,而且局部细节更丰富。在天空区域处的色彩得到较为真实的还原,同时提高了去雾算法的运算速度,为有雾图像的实时处理提供了可能。