作为一种常见的天气现象,雾天往往会给人们的学习与生活带来诸多麻烦,图像上的雾气会影响观察图像上的信息,给图像的后续分析与处理带来很大的困扰。所以,对带雾的图像进行去雾处理有着很重要的现实意义,随着计算机领域的发展,图像去雾的相关算法也在发展,变得越来越成熟。在传统方向上的图像去雾算法主要包含两类:一种是基于图像增强的算法,另一种是基于图像复原的算法。基于图像增强的去雾算法能够直观地增强图像视觉上的效果,增加图像的对比度,但也会出现问题,如图像失真、去雾不够彻底。基于图像复原的去雾算法往往依赖于大气退化散射模型,根据图像的成像机制来进行去雾,能取得更好的效果,但是这种方法需要建立正确的物理模型或科学的先验知识。本文对基于物理模型的图像去雾算法展开了研究,主要工作和成果如下:（1）提出了一种基于边界约束的图像去雾算法。该算法主要针对的问题为:已有的基于TV正则化的变分模型的去雾算法处理后的一些图像会丢失掉边缘信息,在图像的平滑区域出现类似深度值急剧变化的高频信息,出现光晕。所提算法基于相似的颜色会拥有相似的深度值的理论,在已有的估计透射率的模型上加入了边界约束,构造了一个加权函数更好地估计了带雾图像的透射率,通过实验验证了所提去雾算法的有效性。（2）提出了一种基于去雾控制因子的图像去雾算法。基于已被验证的先验知识——去雾因子与图像颜色通道最大最小差值之间成正相关的关系,提出了一个数学模型,模型将选择了通过PSO优化迭代算法对其中的参数进行估计,同时为了防止去雾图像局部有光源区域出现失真的现象,利用了支持向量数据描述来估计大气光。实验表明了算法在去雾效果取得了较好的结果。