图像或者视频采集设备在雾天条件下采集到的图像的能见度非常的低，这给在计算机视觉系统领域中的交通路况监控、户外视频安全监控以及军事侦察活动等带来极大的影响。户外监控系统对大气环境条件极为敏感，表现为对比度降低，细节特征不清晰，目标识别困难等，因此对雾天图像去模糊化的研究具有极大的应用价值。　　首先本文详细分析了基于暗原色先验的去雾算法原理，对于不符合暗原色先验假设的天空区域，通过对暗原色先验去雾模型添加容差机制，对该区域所估计得到的透射率进行补偿，修正估计错误的天空区域的透射率。本文在原有的容差机制模型的基础上，通过分析幂函数和对数函数的特性，将两者结合组成一个新的单调递减的复合函数，对该模型作进一步的改进。实验表明，本文所改进的算法能够得到较好的结果，适当的对需要修正的透射率进行补偿，且补偿的程度使透射率的值在像素邻域范围内变化是平缓的。恢复出来的图像的天空区域比较自然，使原本出现严重颜色失真的包含大部分天空区域的雾天图像能够无失真的显现出大部分模糊的信息。　　接着，本文对容差机制中的参数 K的取值作优化，通过统计大量的不包含天空区域的不同雾浓度的雾天图像的透射率的分布范围，得到有雾图像无失真恢复下最小透射率的取值范围。将改进的容差方法与最小透射率结合起来估计容差参数 K，我们可以针对不同的图像获得不同的参数 K，从而克服了统一容差参数 K的局限性。实验结果表明，该方法可以针对不同图像的特性，估算出有效的参数K的值。利用该方法，我们可以对不同的雾图像自动估计有效的容差参数。通过灵活控制容差参数 K，对有雾图像的天空区域的颜色失真作优化处理，从有雾图像中恢复出无颜色失真的清晰图像。　　最后，本文将所提出的改进算法与原有的容差机制模型处理结果作对比，更好的说明了本文所提出的改进算法的有效性。