雾霾环境下，大气中的悬浮固体粒子对光线有散射作用，影响光线的传播。在这种天气环境下，成像设备上获取的图像质量较差，图像信息丢失，图像的视觉效果变差。图像去雾在计算机视觉领域具有很高的研究价值，在实际生活中也具有广泛的应用价值。现有的去雾算法存在一定的缺陷和局限性，所以对去雾算法的研究仍有很大的提升空间。　　本研究主要内容包括：⑴根据图像去雾原理的不同，将图像去雾算法分成两大类：图像增强去雾算法和图像复原去雾算法。详细介绍了图像复原去雾算法所依据的物理模型，即大气散射模型，该模型包括了入射光衰减模型和环境光成像模型，从本质上阐述了雾天图像退化的原理。⑵传统的暗原色先验去雾算法容易产生Halo效应，即在景深突变处易产生白色的光晕。为此，本文给出了尺度自适应暗原色先验去雾算法。方法是在图像景深边缘的位置和非景深边缘的位置分别采用不同的模板进行最小值滤波，获得图像的暗原色图像和粗略透射图，引导滤波对粗略透射图进行修复。仿真结果表明:通过采用新增可见边之比、梯度化均值、有效细节强度对去雾图像进行客观评价，证明了本文算法能有效地降低去雾图像的Halo效应。⑶基于大气耗散函数的去雾算法存在不足之处：由于Tarel算法采用中值滤波对大气耗散函数进行细化，因此去雾图像的边缘保持性不好；Tarel算法对雾气分布不均匀的场景，去雾效果不理想。对此本文给出了改进算法：首先利用直方图均衡化对有雾图像进行预处理，然后采用双边滤波对大气耗散函数进行细化。仿真结果表明:与传统的Tarel去雾算法相比，本算法能获得更好的去雾效果。