社会的快速发展给人们的生活提供很多方便、带来很多福利,相反的,也引起一些无法逃避的环境问题,如恶劣的天气。雾霾已经成为一种常见的天气现象,不仅危害人们的身体健康,还会使户外采集设备收集的图像出现对比度低、清晰度低和色彩偏移等问题,所以在计算机视觉领域,图像去雾分支备受关注。大气散射模型结合暗通道先验去雾算法（Dark Channel Prior,DCP）虽然复原效果很好,但是依旧存有很多问题,后来该算法被相关研究者进行改善创新,出现了很多优化算法,直到如今,DCP已成为很多去雾算法的基础。本文基于DCP进行改进,研究相关改进算法,以获得较高质量的图像。接下来是本文所提出的三个关键研究点:1.基于暗通道先验的单幅图像去雾改进算法,根据图像本身大小,提出自适应滤波窗口;利用变差函数除去高亮像素减少对大气光取值的作用;结合图像结构相似性确定因子;将导向滤波和容差机制获取的透射率分别做细化、修改;利用HIS模型和RGB模型的相互变换使复原图像的亮度得到提升,展现出更好的成果。实验结果证明,拥有最优评价指标的是此次改进的算法,在视觉上较实验对比算法色彩更加真实自然。2.基于参数驱动的单幅图像去雾模型及改进算法,首先受暗通道先验的启发,由此引出亮通道先验原理,把暗通道先验理论与亮通道先验理论两者相结合,基于参数的线性加权以自适应求取透射率;接着引出参数驱动去雾模型,利用选择的客观评价指标来确定透射率中的变量参数;从该模型入手,引出参数驱动的去雾改进算法。实验结果证明,该算法不仅保留较多细节信息,还从图像质量的客观评价指标说明该改进算法去雾具有较好的效果。3.基于四叉树大气光值估计改进算法,一般在天空浓雾区域求大气光,基于此情况,四叉树分割根据就是窗口区域内的像素均值,对平均像素值最大的区域继续切分,直到窗口小于等于自适应获取的阈值才停止操作。自适应窗口阈值可以有效预防滤除天空部分及躲避明亮物体的影响,这样估算的值相对精准。较传统的估计算法及第三章的估计算法,此次提出的改进算法结果准确,耗时少,使去雾效率大幅提高。