随着空气质量的恶化,雾霾天气在我国广大地区呈现多发态势,雾霾问题已成为我国大气环境污染的主要问题。在雾霾天气条件下,雾霾中的悬浮颗粒具有散射和吸收的作用,使得室外图像呈现出较低的对比度和有限的可见性,导致在雾霾天采集到的图像质量较低,从而容易影响图像采集的质量,进而会限制从图像中提取有效的信息。为使计算机系统能更好的识别和提取相关的图像特征,去雾霾技术成为必要。目前,图像去雾霾的方法大多是基于大气光散射模型的方法,而该模型的核心是求解大气光和透射图,从而可以根据该模型恢复原始的无雾霾图像。然而,图像去雾霾技术是一个不适定的问题,它会导致基于某些先验信息的透射图的估计得不到准确的解,这些先验最大的不足是错误的估计透射图以及普遍存在的透射图过饱和问题。为了解决以上问题本文提出了模型融合的方法进行雾霾的去除。首先,本文从雾霾图像形成的大气光散射物理模型出发,针对雾霾图像的特性,分析了不同大气光计算方法的特点及差异,梳理了大气光计算的较为常用的方法并从中选择最优的方法进行大气光的估计。其次,针对不同雾霾水平下的雾霾图像,为获得准确的透射图,本论文构建了两种模型融合的方法应用于非均匀雾霾问题的求解。在基于模型融合的图像去雾霾研究中:第一种模型是融合像素方式模型和多层感知机模型进行透射图的准确估计。该方法基于暗通道先验知识,通过使用预定义大小的块进行粗略的透射图估计,完成在块中的透射图估计就可以使用预先计算的快速引导滤波器值在像素级别进一步优化透射图,据此可以得到像素方式模型求解的初始透射图。由此所计算的初始透射图的深度分辨率很低,由于它忽略了相邻像素的问题,因此,通过多层感知机模型对初始透射图进行估计得到最终的透射图以提高深度分辨率,从而解决透射图错误估计的问题,最后利用对比度延伸策略提升图像的对比度。第二种融合了块方式模型和像素方式模型。首先对输入图像进行了多波段分解以提取基础层,由引导滤波器分解的基础层用作估计器的输入图像,分别通过块方式模型和像素方式模型进行了透射图的估计。块方式模型和像素方式模型估计大气透射图时分别有其优缺点,块方式导致去雾霾图像边缘产生光晕,像素方式总是高估实际的雾霾度,导致去雾霾图像出现过饱和的现象。通过引入一对权重最优融合两种模型,根据大气光散射物理模型恢复无雾霾图像。最后,利用MATLAB工具进行仿真,为验证算法的性能,本文分别在三个数据集上通过三个标准测试函数与较常用的其它算法进行对比分析,获得了各算法的最终效果图和相应的测试数据。实验结果表明,在图像的恢复质量以及算法鲁棒性方面,通过主观评估和客观分析可知,本文算法相较于其它算法,具有可视化性能高与鲁棒性强等特点。