随着信息化的快速发展,智能化成为一种生活标志,计算机视觉在视频监控、无人驾驶、图像重建等领域有着举足轻重的作用。而在实际情况下,户外监控系统容易受到雾气的干扰,导致户外监控系统捕获到的图像不符合人眼视觉感受,出现细节信息减少、特征丢失、对比度和色彩下降等问题,这会严重的影响监控系统的正常工作,甚至导致监控系统瘫痪,从而对人们的生活安全产生极大的影响。因此,为了在雾天天气条件下使户外监控系统具有一定的有效性和可靠性,有必要对雾天条件下捕获的降质图像进行去雾处理。目前,针对单幅图像去雾算法的研究中,暗通道先验算法是经典的算法之一,该方法通过统计分析,提出先验条件将复杂的问题简单化,并取得了有效地成果,但是该算法依然存在一定的缺陷。论文以暗通道先验理论为基础进行研究,并提出两种改进算法。（1）为了解决暗通道先验去雾算法景深突变处出现Halo效应现象,提出一种基于边缘保持的自适应高斯衰减图像去雾算法,该方法引入大气幕亮度的概念,首先,通过边缘检测得到大气幕亮度准确的边缘区域,对得到的边缘区域不再进行处理,而对于非边缘区域通过相邻像素之间的空间邻近度来构造自适应高斯函数的方法对其进行平滑衰减,然后将得到的边缘区域和非边缘区域进行合并得到最终细化的大气幕亮度。从实验结果的对比分析中可以看出,所提算法在主观评价和客观评价方面都取得了一定的优势。（2）针对暗通道先验去雾算法存在块状效应和明亮区域透射率估计过小的问题,提出一种基于高斯权重衰减的自适应补偿图像去雾算法。首先,通过边缘检测算子获取图像的边缘信息;然后,通过边缘信息构造高斯权重衰减函数来逼近暗通道;其次,利用逼近结果与高斯函数之间的比值关系,通过多尺度亮度分量自适应补偿估计明亮区域,从而得到补偿估计的粗略透射率;最后,使用L₁正则化约束的加权函数对粗略透射率进行优化得到细化透射率,并结合大气散射模型复原出清晰的无雾图像。结果表明,所提算法能够消除块状效应,改善明亮区域色彩失真问题,复原的图像细节明显,明亮度适宜。