雾天情况下,由于大气中气溶胶粒子对光线的吸收和散射,传感器获取的图像容易产生对比度下降、颜色失真等现象,致使场景细节信息丢失、重要特征被覆盖或衰减,给后续的处理与分析带来极大的困难。对雾天降质图像进行去雾处理,增加图像的清晰度和对比度,提高计算机视觉系统在恶劣天气下的可靠性和稳定性,具有非常重要的理论意义和实用价值。暗原色先验图像去雾是一种基于物理成像模型的去雾方法,由于具有合理的物理解释和良好的去雾效果,因而被广泛使用。本文针对现有的暗原色先验去雾方法存在的不足,进行了相应的改进研究,具体包括:(1)利用面向对象的思想,通过分水岭分割将图像分为若干同质区域,在块内利用最小值滤波获取图像的暗原色通道,有效地消除了恢复图像中景深突变边缘区域的“晕轮效应”;(2)通过提取图像的天空区域获得更为准确的大气光估计;(3)使用“指导性滤波”方法对透射率传输图进行保边缘平滑,且提升算法的运行速度;(4)采用双线性拉伸方法对恢复图像进行自适应亮度调节,克服了恢复图像偏暗的缺点。由于户外计算机视觉系统需要对有雾视频进行实时化处理,而CPU的单核运算能力对于达到这一要求还存在较大差距。为了提升本文所提算法的运行速度,我们采用GPU作为并行计算处理的硬件平台,以CUDA为编程模型,对面向对象的暗原色先验去雾算法进行了并行化实现和优化,最终达到了以25帧/s的实时速度处理分辨率为720*576的标清视频。