数字图像处理技术越来越多的应用于医疗、安防、军事、教育等各个领域,为我们的生活带来了诸多便捷。然而近年来,由于雾霾等恶劣天气的影响,采集的图像出现对比度低、清晰度下降、图像色彩失真等问题,严重影响后续的图像处理。因此,如何提高雾天低质图像的复原效果显得尤为重要。目前基于暗通道先验的去雾算法已经取得非常好的效果,但是复原后的图像仍有着不适用于大面积亮白区域,环境光值估值不准确,去雾权值参数较为单一的问题。本文针对上述问题进行了相关改进,并取得了较为良好的实验结果,本文的主要工作和创新点如下:(1)针对图像分割中阈值参数较为单一所导致的图像背景与目标分割不够准确的问题,本文提出了一种局部阈值分割图像的方法,有效解决了图像背景与目标分割不够准确的问题。(2)针对暗通道先验的去雾理论不适用于亮白、天空区域的问题,本文提出了一种结合暗通道和明通道的去雾算法,根据亮白区域像素值普遍较高的特点,提出了明通道先验理论。将二者相结合,得到了改进后的传输率公式,有效解决了雾天图像中大面积亮白区域的问题。(3)针对环境光值估值不准确的问题,本文提出了一种利用灰度开运算,结合区间估计加权求取环境光值的算法,使得求取的环境光值鲁棒性更强。(4)针对现有去雾算法中,影响去雾程度的权值较为单一的问题,本文提出了一种自调节的权值优化的去雾算法,通过大量实验发现算法中的去雾权值与图像像素均值存在一定的关系,并基于这种关系进行改进,图像去雾后更加真实自然。本文在提出了改进算法之后,选取了多种去雾算法与本文算法进行了大量的对比实验,采取主观和客观相结合的评价方法。通过主观分析和客观数据证明本文算法可以有效解决原算法不适用于大面积亮白区域的问题,并且去雾后图像的视觉效果更加真实自然,更贴近实际的场景。