图像去雾技术是图像处理与计算机视觉领域中的研究热点之一。图像去雾技术即通过采用特定的方法和手段,增强雾霾图像的对比度、提高图像场景的可见度、改善图像的视觉效果、降低甚至消除雾霾天气下空气中的悬浮微粒对图像的影响。该技术在智能汽车、户外监控系统、遥感拍摄、军事侦察等方面,具有很高的应用价值。基于大气散射物理模型的去雾方法是重要的一类图像去雾方法,其中常用的方法是通过一定的先验信息反向求解大气散射模型,得到去雾后的图像。本文在分析了大气散射模型的基础上,深入研究了基于暗通道先验的去雾算法和基于颜色衰减先验的去雾算法。针对暗通道算法求取的大气光值容易受到图像中前景区域白色物体的影响,选取符合条件的所有点的平均值作为全局大气光强度值,避免去雾后的图像偏暗或失真,提高大气光强度值的可靠性。针对暗通道先验理论不适用于图像中的天空或大片白色区域这一问题,对图像的透射率进行修正,能有效地减少该区域复原后的失真现象。通过分析暗通道先验去雾算法和颜色衰减先验去雾算法的优缺点,提出了一种基于暗通道和颜色衰减先验相结合的去雾方法。首先利用颜色衰减先验获取图像深度信息,选取深度图像中亮度值最高的前0.1%的像素点,利用对应原始雾霾图像中的像素点计算出这些像素点的平均值,将其作为大气光值。利用场景的深度信息对雾霾图像进行天空和远景浓雾区域分割;对前景部分,采用暗通道先验方法计算透射率,并利用最小化信息损失对透射率进行约束,求解最优透射率;对天空和远景浓雾区域,利用深度信息估计透射率;然后采用导向滤波对透射率进行细化,得到最优透射率。最后通过求得的大气光值和最优透射率,求解大气散射模型,恢复出无雾图像。实验结果证明,基于暗通道和颜色衰减先验相结合的去雾方法对含有天空等白色物体和远景浓雾区域的雾霾图像有较好的去雾效果,去雾后的图像对比度较高,细节信息较丰富。