悬浮在大气环境中的各种颗粒以及小水滴形成的雾气会吸收、散射和折射光线,从而导致出现视野模糊,能见度恶化,拍摄的图像清晰度不高和色调偏移等现象。随着雾霾日益严重,图像去雾的研究在图像处理技术中越来越重要。降低或消除图像中雾气对场景的影响,实现有雾图像的清晰化,是近年来国内外的研究热点。然而现有的去雾算法在图像去雾方面仍然存在着细节信息丢失、大气光强值估计偏低、天空区域去雾效果不佳及自适应去雾效果较差等不足,这些不足成为影响图像清晰化的瓶颈。本文基于暗原色先验理论,提出了一种参数驱动的图像去雾的新模型和新算法,主要包括以下研究内容:首先引入与暗通道先验模型相对应的亮通道先验模型,并在此基础上提出暗通道先验模型和亮通道先验模型的带参线性加权运算,以自适应计算大气光强值。其次提出参数驱动的图像去雾新模型,该模型以图像质量客观指标评价为基础,可以自适应求取与大气光强值相对应的参数。最后在新模型的基础上提出了参数驱动的图像去雾新算法,仿真实验结果表明本文提出的参数驱动的图像去雾新算法与现有去雾算法相比,实现了细节信息和大气光强值方面的改进,同时图像质量客观评价指标结果验证了该参数驱动的图像去雾新算法在有雾场景具有良好的应用效果。为了进一步改善本文提出的参数驱动的图像去雾新算法的应用效果,本文还将图像分割和图像融合等图像处理技术应用于图像去雾中,具体方案是在参数驱动的彩色图像去雾的新模型和新算法的基础上,提出了一种天空区域分割修正的图像去雾新算法。该新算法的主要包括以下研究内容:首先利用SLIC图像分割算法将初步去雾的图像结果分割出天空区域部分,然后提出一种加权平均融合COPLIP模型和MSR模型的天空区域修正新模型处理分割后的天空区域,并且通过图像融合技术得出最终的去雾图像。本文所提出的自适应彩色图像去雾的新模型和新算法在图像去雾方面取得了一定的优化成果,在一定程度上修正了天空区域去雾的偏差。这种具有创新性的自适应的彩色图像去雾算法和思路具有广阔的应用前景。