随着计算机技术的快速发展,使得计算机视觉广泛地运用于医学、航空、安防和交通等各个领域中,而图像去雾也已成为了众多学者研究的热点。在雾天的条件下,室外拍摄到的图像由于受到空气中气溶胶粒子的散射作用而出现退化现象,使得图像对比度降低、细节模糊和颜色暗淡,不利于对图像特征的识别与提取。尤其对在室外工作的光学成像仪器造成很大的影响,比如交通导航、目标的检测与识别、航拍以及各种室外监控系统等。为了改善有雾图像的视觉效果以及凸显图像特征便于计算机视觉系统进行处理,需要对图像进行去雾处理。本文分别从基于物理模型和基于图像增强两方面对单幅图像去雾算法进行研究,以下是本文的主要研究内容：1)在基于物理模型去雾方面,主要介绍基于暗通道先验去雾算法。详细介绍其实现去雾的相关原理,并且分别采用软抠图算法和引导滤波器算法对暗通道先验算法中的透射率进行优化,消除去雾后图像中出现的光晕现象。另外,针对暗通道先验原理处理含有大片明亮区域图片时出现严重的色彩偏移现象,通过引入一个容差机制对明亮区域的透射率进行修正,使图像色彩恢复正常。2)针对软抠图算法对透射率优化过程中,算法复杂度高和耗时量大,难以满足实时性的要求,提出一种基于中值滤波的快速去雾优化算法。该方法通过利用中值滤波器直接获取图像的环境光和大气光的估计值,并结合结构相似性原理(SSIM)对算法中的参数进行优化,达到自动化的去雾效果,去雾处理的平均速度比软抠图算法提升了二十几倍。3)在基于图像增强去雾方面,介绍了几种经典的图像增强方法。分别介绍了直方图均衡化,单尺度Retinex(SSR)算法,多尺度Retinex(MSR)算法和带色彩恢复的Retinex (MSRCR)算法,并对这些算法进行实验和分析,总结它们的优缺点。在图像增强的理论基础上提出一种基于CLAHE和图像分解去雾算法,该方法首先采用限制对比度直方图均衡化(CLAHE)对有雾图像进行增强处理,然后在照明-反射模型的基础上,根据照射分量与反射分量的不同特征对增强后的图像进行梯度滤波,将图像进行分解,获得最终包含图像所有细节的反射图像,达到去雾的目的。最后通过与经典的图像增强去雾算法进行效果对比,从主观评价和客观评价两方面证明该算法对去雾的有效性。