信息的传播形式主要有文字、声音、图像等,其中80%左右来自视觉所接收的图像信息。图像因其所蕴含的信息更加直观、形象和高效,已经成为信息传播的主要载体,这就促使人们对成像设备获取图像的清晰度要求日益增高。但是,在恶劣雾霾天气下,成像设备采集到的图像会出现质量退化,图像中蕴含的许多特征被覆盖或模糊,为图像的后续处理带来极为不利的影响。本文重点研究了基于暗通道先验理论的单幅图像去雾算法,通过大量的实验分析,找出传统暗通道先验理论去雾算法的不足并提出改进措施。所做的主要工作和研究成果如下:(1)依据有雾图像原始尺寸大小,自适应匹配暗通道滤波窗口大小。用设计的自适应滤波窗口替换原始固定的15×15大小的窗口,可在一定程度上排除其他光源对大气光值A的干扰,达到优化去雾图像质量的目的。(2)由于暗通道先验原理对高亮区域失效,如有雾图像中存在大片天空区域,进而导致去雾后图像中的天空区域容易产生偏色,去雾效果不理想。对此,本文采用先对图像进行天空域分割,然后分别求取天空域和非天空域大气光值,再求取整幅图像的总体大气光值的方法,从而对大气光值进行优化处理。(3)通过设置动态容差值K来优化改进有雾图像透射率,同时为提高算法的去雾速度,采取对有雾图像先均值降采样,中间过程使用引导滤波细化粗透射率图,再利用双线性插值还原透射率图的方式,在提高去雾速度的同时还保证了去雾质量。(4)利用Matlab中的GUI工具设计了单幅图像去雾可视化操作界面,简化了图像去雾操作的繁琐流程,大大提高了工作效率。对改进后的去雾算法与其他去雾算法进行主观和客观上的整体评价,并将本文提出的基于暗通道先验的图像去雾算法应用到雾天交通标志识别系统中,有效提高了雾天交通标志的识别成功率。通过对传统暗通道算法相关优化改进,拓展了算法处理含有天空区域的有雾图像的适用性,使去雾后的图像清晰度得到了较大的改善,同时提高了算法的运行速度,并在交通标志识别系统中得到了实际检测与应用。