随着科技的发展,现代智能交通系统、遥感系统、室外监控系统、家用摄像设备等这些与日常生活息息相关的系统或设备都离不开数字图像。现代生活领域越来越多的依赖于数字图像获取有用信息。近年来,雾霾天气频发,由于雾霾颗粒物的散射作用,使得数字成像设备获取的图像模糊不清,对比度、颜色等图像信息衰减严重,极大的影响了交通、监控、遥感等领域通过数字图像正常获取有用信息,雾霾对日常生活的影响越来越大。因此,对雾霾图像去雾方法进行研究具有非常重要的意义。本文对Retinex去雾算法、Fattel去雾算法以及暗原色去雾算法进行了仿真比较。通过实验发现,暗原色先验去雾理论对于单幅户外雾霾图像具有极佳的去雾效果,但该方法在边缘附近容易出现晕轮效应,且暗原色先验去雾理论对于天空区域失效,导致去雾图像的天空区域颜色失真。通过优化透过率来提升去雾效果是去雾算法的研究热点。本文对现有的几种常见透过率优化方法进行了对比分析,提出了中值滤波和引导滤波相结合的透过率优化方法以改善晕轮效应。本方法以粗估计透过率和经过引导滤波优化的透过率之间的差值作为判别晕轮区域的依据。通过将中值滤波优化的透过率替换晕轮区域引导滤波优化的透过率,有效的修正了晕轮区域被高估的透过率。该方法避免了中值滤波容易在边缘近景区域出现黑斑的问题,同时比引导滤波具有更强的晕轮效应改善能力。为了改善暗原色先验去雾理论在天空区域引起的颜色失真,本文将天空区域的透过率提取出来进行二次处理。首先,采用Canny边缘算子进行边缘检测,由于地面区域具有丰富的边缘信息,经过闭运算之后可将边缘图像转化成二值图像,以该二值图像为模板提取天空区域的透过率。其次,对提取出来的天空区域透过率采用非线性扩展的方式进行扩展之后替换原有透过率。最后利用引导滤波对新的透过率进行平滑处理。实验表明,本文中提出的透过率优化方法对晕轮效应和天空区域颜色失真现象均有较好的改善,比文中提到的其他优化方法具有更好的去雾效果。