雾霾是一种常见的天气现象,既有干气溶胶(霾)的参与又有水滴(雾)的贡献,两者不宜区分,所以“雾霾”经常一起出现。雾霾天气下的能见度很低,严重阻碍户外成像设备发挥效用,导致图像模糊不清,大大降低了视觉体验。更严重的,影响遥感设备和无人机的对地观测,加大了后续目标检测与识别的难度;影响城市交通监控系统发挥作用,造成事故频发等后果。因此,图像雾霾去除方法的研究在军事和民用领域都有重要的意义。图像雾霾去除的实现大致可以分为两种:一种是基于图像增强的方法,这种方法比较简单直接,通过增加对比度来提高视觉效果;另一种是基于物理模型的方法,这种方法通过一些先验知识或者限制条件来估计模型中的参数,从而解出理论上的真实图像。前者操作简单,处理速度快,但是局限性较大,针对不适合的图像往往出现过分增强或者颜色失真;后者实现较为复杂,但是普适性很强,针对不同图像都能得到较好的恢复效果。基于暗通道先验的图像雾霾去除方法在众多方法中脱颖而出,该方法能够有效地去除雾霾,提升图像的视觉效果。但是基于暗通道先验去雾的方法主要有以下三个缺点:第一,由于暗通道先验原理针对的是非天空区域,对于雾霾图像的天空区域,该方法处理后的图像容易过分增强导致光晕产生;第二,大气光的求解不够准确;最后,算法的效率有待提高。本文针对基于暗通道先验的图像去雾算法的不足,首先采用了简单的硬阈值方法,修正了天空区域的透射率并优化了大气光的求解,一定程度上克服了光晕的产生,但是算法普适性不强且图像信息利用率不高。针对此问题又提出了一种基于暗通道先验透射率自适应融合的图像去雾方法,可以有效克服前者的不足,使恢复的图像清晰自然且保持天空区域不失真。本文的核心思想是将基于暗通道先验模型求解出的透射率与基于亮度模型求解出的透射率通过一幅权重图进行融合得到最终的透射率。权重图的自适应生成依赖暗通道先验模型下的透射率以及天空区域的检测。其中利用暗通道先验模型下的透射率恢复的图像可以有效地去除前景区域的雾霾,且去除后效果更加细腻;利用亮度模型下的透射率恢复的图像可以有效地应对天空区域,确保天空不失真;利用融合后的透射率恢复的图像则兼顾了两者的优点。对大气光的求解进行优化,在天空区域对大气光进行估计显然比在整幅图像求解大气光更加准确。大气散射模型的两个参数透射率和大气光确定之后,便可以求解出真实图像。将本文方法的仿真结果与多种方法对比,发现本文方法的去雾效果要优于其他方法,具有较强的去雾能力且天空区域保持良好,没有产生光晕等失真情况。