图像采集设备在拍摄过程中难免遇到雾霾天气,在这样的天气条件下获得的图像,通常会呈现一些退化特征:对比度低、颜色失真、细节丢失严重等,这些低质量图像会给后期视觉系统的应用带来困难。因此,对雾霾天气下采集的低质量图像进行高效的除雾,还原图像有用信息和特征,对视觉系统的应用性能和鲁棒性的提高具有极其重要的现实意义。本文在大气散射模型和传统去雾算法基础上开展研究,主要内容如下:（1）针对传统暗原色先验去雾算法在大窗口内出现光晕现象以及在大片天空或其他明亮区域内算法容易失效的问题,本文在第三章提出一种基于暗通道补偿模型与引导滤波改进的图像去雾算法。首先,利用Canny算子对边缘点定位;接着,按照梯度算子与窗口梯度均值的比例构造边缘权重因子,实现对传统引导滤波的改进,进而求得精细透射率图像;最后,针对复原图像色彩较暗、饱和度低的问题,提出一种饱和度补偿策略。实验结果表明,本文算法能够有效去除图像光晕效应,改善天空和明亮区域的色彩失真问题,提升图像的视觉效果。（2）针对雾霾天气下拍摄的图像存在色彩饱和度低和色偏问题,本文在第四章提出一种基于亮度特征的改进迭代白平衡算法。通过计算图像的余弦相似度作为迭代终止条件,能够对雾天低质图像存在的色偏问题进行校正;针对雾天户外采集图像存在的对比度低、细节丢失问题,本文在第五章提出结合伽马变换和细节叠加Retinex的改进引导滤波去雾算法,对图像分别进行复原与增强处理,叠加更多细节,实现去雾。实验结果表明,本文复原后的图像对比度整体得到增强,图像细节突出,颜色饱和度恢复较好。