图形、图像是人们对视觉感知到的物质重现。然而由于观测系统以及观测手段的不同导致采集到的图像质量也不同。大雾、霾、雨等恶劣天气环境下采集到的图像质量退化非常严重，降低了图像的利用价值。为了使监测系统在雾天环境下仍然能够正常工作，对雾天环境下的图像去雾技术进行研究有着非常重要的意义。本文基于大气散射物理模型和暗原色先验理论，对薄雾和浓雾两种情况下获得的雾天图像去雾方法展开研究，具体工作如下：　　(1)介绍了大气散射模型，对基于暗原色先验的单幅图像去雾算法进行了分析。该算法虽然有较好的去雾效果，但是得到的无雾图像偏暗，且计算复杂。对于大气散射模型，本文基于Retinex理论和暗原色先验理论，给出了透射率和大气光估计的新方法，提出了基于Retinex理论的暗原色图像去雾算法。实验结果表明，该算法对轻雾图像去雾效果好，能有效解决局部区域失真问题，复原后的图像也具有较高的亮度和对比度，同时提高了算法的处理速度，有利于算法的实时实现。　　(2)暗通道先验算法处理后的浓雾图像，会存在光晕现象，且图像较暗，颜色显示不自然。基于此首先使用引导滤波对浓雾图像的细节信息进行增强，在此基础上由．Retinex理论得到了更加准确的反射率的估计；其次用分数阶微分与图像的亮度分量做卷积，可以更加准确的估计出场景透射率，由大气散射模型以及估计出的参数得到无穷远处的大气光强度，从而得到了基于引导滤波及分数阶微分的图像去雾方法。实验结果表明，该算法不仅对近景去雾效果好，而且对远处景物也能达到较好的去雾效果，复原后的图像也具有较高的亮度和对比度，再现了场景细节和颜色，提高了图像的视觉效果。