雾霾天气不仅危害人类健康,并且由于雾霾空气中悬浮了大量的颗粒物,会使成像光线产生散射作用造成雾天采集图像不清晰,对比度低等问题,这将严重影响到计算机视觉系统的正常工作,因此雾天图像清晰化技术的研究成为了计算机视觉领域的热点问题。本文在分析了雾霾天气的成因,介绍了大气散射模型,充分学习了雾天图像退化模型的基础上,主要研究内容如下:首先重点研究了基于暗原色先验的图像去雾算法与基于优化对比度增强的图像去雾算法,暗原色先验的图像去雾算法是一种先根据统计知识得到先验信息,再借助大气散射模型来复原图像的方法,基于优化对比度增强的图像去雾算法是一种平衡图像对比度与信息丢失度的图像增强方法。其次针对用基于暗原色先验的图像去雾算法处理后的图像在天空区域的失真问题,采用了一种自适应容差机制的方法进行改进,通过引入的容差K将图像的透射率分为明亮区域与正常区域进行修正,从而改善复原图象天空部分色彩失真的问题。接着基于Matlab平台,将图像分为薄雾图与浓雾图用本文的两种算法进行仿真实验,经过实验表明本文的基于暗原色先验的图像去雾算法适用于薄雾图像,基于优化对比度增强的图像去雾算法适用于浓雾图像,还选择了两幅有不同天气下拍摄的图片作为实验对象,验证了本文此观点的正确性。并且将这两种算法与图像复原和图像增强领域里的经典算法用主观评价与客观评价进行对比分析,其中客观评价主要采用了基于可见边对比度增强的图像的评价方法,经过实验表明本文算法有更好的稳定性。最后将本文研究的基于优化对比度增强的图像去雾算法应用于无人机火灾救援采集到的图像,经过实验验证了此应用的可行性。