随着信息化时代的到来,计算机视觉得以迅速发展,如今被广泛应用于人工智能、自动驾驶、医疗影像和军事检测等领域。然而,近年来大气污染逐渐加重,雾霾天气出现的频率越来越高,导致户外成像设备不能捕捉到高质量的清晰图像,无法正常运用于计算机视觉系统。所以,对雾天降质图像进行去雾处理已经成为研究学者们关注的热点问题。论文详细研究了有雾图像的形成机理,将大气光成像模型作为理论基础,详细介绍了暗通道先验去雾算法,针对该算法存在的缺陷,提出了两种改进的单幅图像去雾算法,并通过主观评价和客观评价对两种算法的复原效果进行了评估和分析。本论文的主要研究内容如下:（1）针对暗通道先验去雾算法中大气光估计不准确及明亮区域透射率过低的问题,提出一种结合引导滤波器与容差机制的图像去雾方法。首先,通过两种不同尺度的滤波窗口线性合成初始透射率,将使用引导滤波器进行平滑降噪后的最小值图像作为引导图,再次利用引导滤波对初始透射率进行优化,得到最优的透射率值;然后,判断有雾图像是否存在明亮区域,并对明亮区域的透射率作出补偿,利用四叉树分解算法获取精确的大气光值;最后,通过大气散射模型复原图像。从实验结果可以看出,该方法复原的图像天空区域色彩自然,能够有效抑制退化图像的视觉伪影。（2）针对暗通道先验算法不适用于含天空等高亮区域的有雾图像,及传统去雾算法不考虑人眼视觉特性的问题,提出一种结合阈值分割和HSV颜色空间的单幅图像去雾方法。首先,通过迭代阈值法从输入图像中分割出明亮区域,根据明亮区域的范围确定较为准确的大气光值,随后进行图像归一化;然后,将处理后的图像转换至HSV颜色空间,利用MSR算法增强图像的亮度分量V,对饱和度分量S进行适量调整,根据优化后的V分量和S分量计算出透射率;最后,恢复出清晰的无雾图像。实验结果显示,该方法复原图像在颜色保真的同时,保留了较多的细节信息。