当户外环境存在霾、雾或其他大颗粒微粒时,拍摄图像质量下降,图像呈现灰白色,能见度降低、噪声较高、对比度与色彩剧烈衰减、景物轮廓模糊,图像特征提取困难,最终导致图像失真,极大影响视觉效果,由此给户外工作系统如监控、智能导航、无人机侦察等实时应用带来巨大困难,影响人们的正常工作、生活,给科技发展与产业生产带来阻碍,因此研究含雾数字图清晰化算法具有重大意义。首先,对直方图均衡化去雾算法与Retinex去雾算法进行研究。直方图均衡化去雾算法以概率论为基础,将彩色RGB图像灰度转换成单一通道的灰度图像进而对进行直方图变换的去雾算法,该方法使图像的整体色彩丰富与对比度提高,但是去雾过程不可控。针对全局直方图去雾算法的不足之处进行改进,实现了自适应直方图均衡化与限制对比度直方图均衡化去雾算法;Retinex算法是基于人类视觉基础上的颜色恒常图像增强理论,由于单尺度Retinex算法中只存在一个去雾尺度参数,复原图像色彩偏移,为解决该问题,在单尺度Retinex基础上推到出多尺度Retinex算法与带色彩恢复的多尺度Retinex算法。通过研究发现,两类方法能够实现含雾图像的有效复原,但是复原图像易产生晕光、Halo效应与色彩偏移等不良影响。其次,对暗原色先验去雾算法进行深入研究,并提出了基于分割的暗原色先验去雾算法。该算法主要实现了图像分割与分割后图像的去雾处理,为满足自适应性,本文分别采用最大熵分割与Otsu分割,分割出天空区域与非天空区域;暗原色先验去雾主要过程为对分割图像天空区域与非天空区域分别根据各自的大气光值、透射率值与去雾因子进行暗原色先验算法去雾。实验证明该方法有效改善暗原色去雾图像色彩偏暗、直方图均衡化去雾算法与Retinex算法中出现的晕光、Halo效应与色彩偏差等一系列问题。最后,使用亮度、对比度与清晰度作为客观评价指标,通过所编写的图像去雾算法综合软件,对自适应直方图均衡化算法、限制对比度直方图均衡化算法、多尺度Retinex算法、带色彩恢复的多尺度Retinex算法、暗原色先验算法与基于分割的暗原色先验去雾算法进行比较分析,验证了基于分割的暗原色先验去雾算法能够有效解决图像去雾产生Halo效应、晕光与色彩偏差等问题,证明该方法对图像复原的有效性。本论文在有雾数字图像去雾的过程中的基本研究思路为:首先介绍图像去雾的国内外发展现状,其次介绍图像去雾的常用方法,最后为解决该方法处理后图像存在的色彩偏移、晕光等问题,本根据文结合暗原色先验算法提出基于分割的暗原色先验算法,主要内容为对分割图像分别求取大气光值与透射率,进行图像去雾,手动分割需要人工交互,本文对最大熵与Otsu分割做出研究,可以实现自适应分割,最后本文对去雾效果做出客观评价与实现整个去雾模块做出介绍。