在雾天条件下,由于空气中悬浮的小水珠、颗粒物等微小粒子对大气光的散射作用,会对户外图像信息采集系统造成极大的干扰,采集到的图像信息缺乏完整性,图像的质量衰退严重,对图像有用信息的检测和识别造成严重困扰,因此,需要通过技术手段提高图像的质量,恢复图像的清晰度。暗通道先验算法是图像去雾的重要算法之一,但该算法在含有天空区域的图像中易产生区域失真、光晕效应、去雾后图像偏暗等问题。针对该算法的缺点和不足,提出了以下改进方法。首先,在分析雾天图像形成和图像质量下降原因的基础上,对基于物理成像模型的图像去雾算法开展研究,明确大气散射模型的物理意义和去雾原理;引入图像质量评价体系,为图像质量评价提供理论依据。其次,针对暗通道先验算法在天空区域的无效性,提出一种基于天空识别的去雾算法。通过最小方差映射结合区域生长分割算法,准确识别图像的天空区域,在该区域优化大气光值;构建天空区域透射率校正模型,结合高斯模糊函数,优化天空区域透射率,将其与非天空区域透射率融合,获得全局透射率;采用大气散射模型复原图像,结合自适应伽马校正,提升图像的亮度。然后,为了进一步提高对不同场景图像的去雾能力,提出一种基于双通道及图像质量评价模型的去雾算法。利用双通道先验理论,对大气光值进行精准优化;结合分割理论与形态学运算,对图像的明暗区域实现准确分割,以不同的优化策略在明暗区域获取各自的透射率,将二者融合得到全局透射率;构建图像质量评价模型,迭代求取最优的融合系数,复原出质量最佳无雾图像。最后,通过实验与其他算法进行主客观评价对比,验证本文算法的去雾效果。结果表明,本文算法能够有效的去除图像中的雾气干扰,提高了图像的质量和清晰度,具有较强的鲁棒性和普适性,解决了暗通道先验去雾算法产生的区域失真、光晕效应、去雾后图像偏暗的问题。该论文有图41幅,表24个,参考文献60篇。