随着我国城市化速度的不断加快,因雾霾天气而受到影响的方面开始日益增多。在雾霾天气下,大气中的悬浮物对光进行反射、散射和吸收,使得图像采集设备拍摄的图像质量严重下降,导致图像的细节缺失和对比度下降等问题,对公共交通安全和户外视频监控有了严重影响。因此,图像去雾技术变得尤为重要。本文针对在图像去雾过程中出现的大气光值估计不准确、天空区域颜色过饱和以及边缘光晕效应等问题进行了研究,本文的研究内容如下:（1）针对暗通道先验在明亮区域的大气光值估计失效和天空区域图像颜色过饱和的问题,提出了一种基于雾线先验的图像去雾算法。首先使用雾线先验和霍夫变换来估计大气光值,然后使用离散Haar小波变换来构建降维子带雾图模型,并通过凸优化正则化来细化粗透射率图。（2）针对暗通道先验中天空区域因透射率失效而出现图像偏色以及景深突变处的光晕问题,提出了一种融合亮度模型和梯度域导向滤波的图像去雾算法。首先选择整幅图像中亮度最大的前0.1%像素的平均值作为大气光值;然后利用改进暗通道模型和亮度模型分别对前景区域和天空区域求解透射率图,并将其加权融合,接下来使用一阶边缘感知约束的梯度域导向滤波对其进行细化。（3）针对暗通道先验在深度不连续处引入的块效应和光晕效应等问题,提出了一种基于加权局部常数假设的图像去雾算法。通过引入权重函数来优化暗通道先验的粗透射率,使其具有更丰富的细节边缘;然后使用一阶边缘感知约束的梯度域导向滤波进行细化。为验证本文算法的去雾性能,使用MATLAB软件进行仿真实验,并在主观评价和客观评价两方面与其他算法进行了对比。实验结果表明,本文算法的图像去雾效果较好,能有效解决上述问题,复原的无雾图像清晰度更高,同时也说明本文算法更具有鲁棒性和有效性。