近些年来,随着城市中车辆和人口密度不多增加,空气质量遭到严重破坏,导致雾霾现象频发。雾霾的存在,致使能见度大大降低,图像采集设备无法直接获得准确的信息,进而对周围环境作出错误的判断,严重的甚至会导致灾难发生。雾天情况下,由于空气中漂浮着大量悬浮颗粒,光线在传播过程中会被散射而造成强度衰减,光线强度的衰减使得图像对比度下降,细节模糊,色彩保真度下降。因此,雾霾图像的清晰化处理具有重要的现实意义,图像去雾领域越来越受到国内外研究者的关注。在众多研究成果中,何恺明博士的暗通道去雾算法给图像去雾技术领域带来了新的启发,该算法具有简单有效、实时性和自动去雾的优点,其缺点主要是对大气散射物理模型过度依赖、无法选取相匹配的滤波模板大小、对天空缺乏适用性以及恢复后图像偏暗。本文在大气散射物理模型基础上,分析了雾天图像质量下降的原因,并针对暗通道去雾算法进行实验、改进与尝试,并取得了较好的成像效果。本论文的工作主要体现在以下几点:(1)提出了一种基于多尺度的思想来细化透射率的方法,从而达到去雾效果。该方法以暗通道先验准则为理论基础,在保证暗通道先验准则与区域内的透射率相同假设成立的同时,防止估计的透射率图像在暗通道突变的区域发生块状效应。(2)在求取暗通道时采用自适应的方法进行滤波,在提升对比度的同时保持了结构信息。对原始的大气光值求取过程进行改进,有效抑制了天空区域去雾后色彩过饱和的现象。(3)对于透射率的估计,为了克服天空区域复原之后呈现彩色的光晕问题,本文通过分析透射率特点,在获得初始透射率之前的中间过程进行特殊处理,然后对其进行引导滤波优化,最终获得了较好的复原效果。实验结果充分表明了本文提出的改进方法良好的改进效果,且较其他改进方法具有简单并且更有效的特点,但是本文的改进方法并不能适用各类含雾图像,尤其是对含有大量天空或明亮区域的图像,去雾效果并不理想,值得继续深入研究和改进。