近年来雾霾天气频繁出现,导致在室外拍摄到的图像出现对比度下降、色调偏移等现象,不仅影响了视觉上的美观,而且阻碍了以图像为基础的后续工作,如图像的检索与分类、监控场景下的目标侦察以及智能系统中目标的识别与跟踪等。因此,有雾图像的清晰化处理具有非常重要的应用价值。如何从单幅图像中获取高质量的恢复图像是去雾研究中的一个重点及难点,受到了越来越多学者的关注。本文在大气散射模型的基础上对单幅图像去雾算法进行了研究,针对当前若干去雾算法中存在的局限性,提出时间复杂度更低、透射率估计更为准确、恢复图像效果更佳的去雾方案,主要创新性工作包括:一、针对暗原色先验去雾算法时间复杂度高、恢复图像在天空等明亮区域色彩严重失真的问题,本文提出了一种基于空间位置自适应补偿的快速图像去雾方法。本方法将能够保持边缘信息的像素级透射率作为初始透射率,避免使用软抠图等细化操作从而极大地降低复杂度;对于不满足暗原色先验的明亮区域透射率估计偏小的情况,本方法提出一个结合空间位置的自适应函数对初始透射率进行补偿,并利用高斯滤波平滑纹理噪声。从去雾效果和效率两个方面与多种去雾算法的比较结果表明,本方法得到的透射率更为准确,恢复图像更加真实自然,特别是对于暗原色先验失效的区域,并且,本方法具有较低的时间复杂度,与原始的暗原色先验去雾算法相比,其处理时间降低了数百倍,而相比于目前处理速度较快的去雾算法,本方法的处理时间减少了大约4倍。二、针对已有去雾算法没有考虑图像的边缘和其场景深度之间的关系而导致透射率估计不够准确的问题,本文提出了一种基于边缘分类加权融合的图像去雾方法。首先提出了深度边缘先验,并根据该先验设计了一个边缘分类器,有效地从所有边缘中获取能够反映场景深度变化的深度边缘;在此基础上,提出一个基于深度边缘加权的像素至块的融合方案估计透射率,根据透射率的直方图分布对不满足暗原色先验区域的透射率给予补偿。与现有的多种去雾算法相比,本方法得到的透射率更加准确合理,即在深度边缘处能够保持锐利的不连续性,而在其它区域则保持局部平滑,同时恢复图像的对比度更高,细节更清晰,颜色更自然。