球团矿是一种非常重要的人工富矿，在钢铁工业中占据举足轻重的地位，而生球在圆盘造球机设备中的制造是球团矿生产工艺流程中的重要环节之一。生球的质量(例如粒径)直接影响了球团矿的物理性能。随着我国工业自动化进程不断加快和图像技术在工业生产中的应用逐渐普及，生球质量的在线监测大多采用机器视觉方法。但是，由于生产现场环境恶劣，经常产生气雾和扬尘，图像质量严重下降，造成图像处理算法失效和测量错误。而现有的图像去雾算法大多针对大自然光照下的环境图像，很少涉及人工打光条件的工业图像。本文根据球团矿生球图像的特点，研究一种合适的去雾方法，具有理论价值和实际意义。
　　论文首先研究了生球气雾图像的成像机理，然后改进了传统的大气散射模型，提出一种基于暗通道图像融合的生球图像去雾新算法；最后，采用实验室模拟的含雾图像和现场的含雾生球图像对所提出的算法进行了验证，并与现有的去雾算法进行了性能比较分析。本文主要完成的工作和结论如下：
　　(1)根据生球生产现场环境，搭建了实验室气雾图像模拟平台。该平台能够产生出不同光照、不同气雾形态和浓度条件的含雾生球图像。利用该平台，采集了3000多幅图像数据，为生球图像去雾算法的研究奠定了基础。
　　(2)研究了气雾环境下生球图像的成像过程，然后对传统的大气散射模型进行了改进，将模型中的直接衰减项修正为二次衰减项，得到一种更符合人工打光环境下的改进大气散射模型。在此基础上，设计了一种基于图像融合的生球图像去雾新算法。该算法首先求取多个尺度的暗通道图像，然后利用小波分解去除高频分量，将低频分量采用局部方差融合规则进行融合，得到准确的透射率。最后，将透射率通过梯度域导向滤波器进行优化后再代入改进的散射模型，恢复无雾图像。
　　(3)采用实验室模拟平台采集的含雾生球图像对本文所提的算法进行验证。结果表明，本文算法对不同光照、不同气雾形态和浓度条件的含雾生球图像具有良好的去雾效果，与无雾参考图像十分接近。与现有的去雾算法相比，本文算法在峰值信噪比、结构相似度等指标上具有明显优势。
　　(4)采用工业现场连续采集的不同雾气浓度的生球图像对本文算法进行验证，结果表明，算法能有效解决工业气雾下的图像去雾问题，恢复后的图像清晰度明显增强，且每幅图像的处理速度约为1.3秒，完全能满足工程应用的实时性要求。