近年来,随着计算机技术的发展,计算机视觉也渐渐受到人们的重视,其被广泛应用于人工智能、地理勘测、交通监控以及军事监测等领域。然而雾霾天气会导致户外的计算机视觉系统捕捉到的图像出现严重降质,出现饱和度降低、清晰度下降、亮度增大等现象,使得图像的利用率大幅下降,故复原出清晰无雾的图像具有一定的研究价值和现实意义。论文首先对有雾图像的成像原理进行了深入的分析,将大气散射模型作为研究基础,提出暗通道先验去雾算法中的缺陷,再针对出现的这些缺陷,以Retinex理论为核心,提出三种快速有效的去雾算法:(1)针对暗通道先验算法复原图像存在去雾不彻底和透射率估计不准确的问题,提出基于补偿暗通道和图像融合的图像去雾算法。首先,该算法用中值滤波补偿暗通道,解决复原图像边缘细节不突出问题;然后,根据补偿暗通道对透射率进行简单估计,并以白平衡理论为基础,对透射率采取模糊估计;最后,在这两者的基础上对其进行像素级的图像融合,最终获得精确估计的透射率。通过实验证明该算法能获得较为准确的透射率,消除了复原图像存在的残雾现象,同时提升了运算速度。(2)针对暗通道先验算法在天空区域失效的问题,提出了两种自适应参数的透射率估计去雾算法:1)一种自适应的多级透射率估计去雾算法。首先,该算法利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得“伪”去雾图像;其次,利用有雾图像的混合通道得到自适应参数,将该参数和最小值滤波共同作用于“伪”去雾图像,同时为了得到更为准确的透射率,本文使用联合双边滤波操作来消除纹理效应;最后,本文采用以局部为出发点的大气光估计策略,从而根据物理模型达到去雾目的。实验结果证明,该算法具有较短的运行时间。2)一种自适应线性透射率估计去雾算法,该算法首先建立有雾图像与无雾图像最小值通道之间的线性变换模型;其次,利用有雾图像的混合通道得到自适应参数,结合自适应参数和线性变换模型估计出透射率;接着,通过有雾图像的最小值通道构造高斯函数来补偿估计明亮区域透射率,提高该区域透射率的精确度,然后使用交叉双边滤波器对纹理效应进行消除,以得到精确透射率;最后,带入大气散射模型,复原出清晰的无雾图像。实验结果显示,该方法能使时间复杂度有效降低,并且复原后的图像具有细节明显、亮度适宜的优点。