对于户外场景图(尤其是坏天气拍摄的图片)往往会因大气中颗粒或水汽的存在而降质,而且降质后的图像往往对比度低、内容模糊不清。图像去雾能有效恢复图像的对比度和真实色彩,故能很有效地应用于智能交通、遥感图像处理、视频监控、计算机视觉等重要领域。本文首先介绍了在去雾中通用的物理模型,分析雾天中图像质量降低的原因,并详细介绍了暗通道先验和基于此先验的去雾算法。在此基础上,深入分析了一些改进算法,包括基于中值滤波的算法,基于导向联合双边滤波的算法、基于导向滤波的算法等。2010年何凯明等人提出了导向滤波算法,并被迅速应用于图像去雾领域,由于采用了积分图技术,使导向去雾算法的速度有了明显的提升,但它却很难除去深度变化剧烈区域的残雾,容易造成光晕现象。针对这一问题,本文提出一种改进算法,它首先采用形态学闭运算对透射率图进行预处理,能有效去除深度变化处的残雾;对图像的最小成分图进行双边滤波,滤除远景处的噪声,并能提高算法的鲁棒性。虽然基于暗通道先验的去雾算法获得了很好的效果,但要使用软抠图来精细化透射率图,导致算法复杂度很高,难以实时应用。针对基于暗通道先验的去雾算法复杂度很高、耗时大的问题,本文提出了一种基于自适应局部去噪模型的去雾算法,它能利用局部自适应滤波快速估计出透射率图。并且它具有“亮度调节”功能,能有效缓解透射率图欠估计问题,使复原图像更逼真。