在有雾天气中,空气中的各种悬浮颗粒将引发严重的大气散射,此时成像设备所拍摄的图片主色调为灰色,品质较差,这种图像不但视觉感官较差,而且不利于计算机的识别。因此,对有雾图像的去雾处理有明确的现实意义。目前主流的处理方法均以暗通道先验原理为基础,这类方法能够完成大多数图像的去雾,但是在对含有大面积天空区域的图像处理结果不佳。本文首先对有雾天气下的大气成像原理进行分析,推导演绎了直接衰减模型和大气衰减模型,分析暗通道先验原理去雾算法的优势所在,对该算法进行Matlab仿真并完成对图像透射率的二次优化,实验结果证明该算法对于图像天空区域的雾气去除效果不理想,易引入新的噪声和图像纹理,并造成整体色彩失真。由于暗通道先验原理算法对除天空之外的其余部分处理效果良好,故提出将有雾图像拆分成天空部分和其余部分的策略,本文对一种K-means聚类方法进行优化,实现了快速有效地区域划分。对于图像的天空部分,本文采用伽马校正和图像金字塔进行去雾,最后将图像融合;对于图像的其余部分,本文沿用暗通道先验原理算法进行去雾。本文采用的伽马校正方法能增强图像感官,但此方法在后续图像融合过程中容易遗失边缘信息,针对这个缺陷,本文利用高斯核函数的边缘信息保护特性和塔形分解的多尺度、多分辨率的优点来作出弥补。正常曝光图像经伽马校正后易出现图像过曝问题,因此本文提出对欠曝光图像进行融合,并将对比度和饱和度作为雾气映射进行估计,映射权重配合高斯金字塔和拉普拉斯金字塔完成图像融合去雾。本文算法在Matlab软件平台上进行仿真,并与暗通道先验原理去雾算法对比,结果显示本算法取得了更好的去雾效果,噪声被消除,输出图像对比度更高,而且算法的鲁棒性也更强。