近年来,随着科技的发展,无人机视觉导航系统在军事侦察、地震救灾、交通监控等领域得到广泛应用。但是无人机在室外执行任务时,常常由于雾霾天气的影响,导致采集到的图像对比度降低、图像质量下降、边缘和纹理信息模糊,甚至会有严重的颜色失真,给后期的信息提取、目标识别、目标跟踪等工作带来重重困难,严重影响了无人机视觉导航系统效用的发挥。因此,基于上述原因,无人机图像去雾算法研究有很强的理论和应用研究价值,已成为当前的研究热点。本文针对经典无人机图像去雾算法的失真、偏色、模糊、细节丢失等几个典型问题在大气散射模型的基础上,对无人机图像去雾算法进行算法改进研究,具体研究工作如下:(1)结合图像分割的暗原色先验图像去雾方法针对暗原色先验算法在明亮区域色彩失真以及整体亮度偏暗的问题,提出一种结合图像分割的暗原色先验图像去雾方法。首先,采用自适应分割的方法将图像分为天空区域和非天空区域,对其分别估计透射率,然后,合并天空区域和非天空区域的透射率,利用雾天退化模型复原出无雾图像,改善了统一估计透射率在明亮区域处理效果不理想的问题;其次,通过四叉树搜索方法重新估计大气光值以减小大气光值的估计误差;最后,增强复原图像的边缘,得到清晰的无雾图像。(2)基于小波和大气耗散函数的图像去雾算法为了保留图像边缘和细节信息,使得处理后的图像效果更加明显,利用雾气主要影响图像低频区域的结论,为了提高算法的运行速率,提出结合小波变换和大气耗散函数的图像去雾方法。首先,利用雾气主要影响图像低频区域的特点,对含雾图像进行一级小波分解,对低频子图像进行去雾处理;然后,将去雾后的图像作为新的低频子图像,与高频子图像进行小波融合,得到最终的去雾图像。仿真实验表明,该算法能够很好的消除景深突变区域的“白边”现象,具有较好的处理效果。(3)暗原色先验与Retinex相结合的图像去雾算法从图像复原与图像增强结合的角度,提出了暗原色先验与Retinex相结合的图像去雾算法。首先,采用暗原色先验方法对图像进行去雾,从本质上去除雾气的影响,增强了图像细节信息,但是由于目标场景的亮度通常不及大气光线,导致复原图像整体偏暗,视觉效果不佳。为了进一步提高图像的质量,改善视觉效果,采用单尺度Retinex算法进行后续增强处理,调整图像亮度,并提高图像对比度。实验结果表明,该方法提高了图像的细节信息,亮度调整合适,提高了图像的对比度,复原结果清晰自然。与结合图像分割的暗原色先验图像去雾方法处理的图像相比,该方法在处理场景复杂、颜色丰富以及纹理较多的图像时具有较好的去雾效果。