近年来，我国多地多次出现了空气污染较为严重的雾霾天气。据中国气象局发布的数据显示，2013年中国平均雾霾日数比常年同期偏多2.3天，是1961年以来最多的一年；2014年雾霾天气并未减少，而且有逐渐增加的趋势。雾是由大量悬浮在近地面空气中的微小水滴或冰晶组成的气溶胶系统，是近地面层空气中水汽凝结的产物；霾是空气中的灰尘、硫酸、硝酸、有机碳氢化合物等粒子组成的。雾和霾都有降低空气的透明度，使视野模糊，导致能见度降低等一系列不良影响。可见，雾霾天气对人们的日常生活造成了不良影响。有雾图像的形成受多种因素的影响，其中最主要的原因包括：大气的介质中大半径的微粒成分使空气的透明度降低，从而导致目标物的能见度降低；同时，太阳光经这些大半径的微粒散射后的光线增强。在以上两个原因的共同作用下，有雾图像的质量大幅度地下降。为了得到高质量的去雾图像，结合有雾图像形成的原因，及其物理模型，对有雾图像进行去雾处理。论文的主要工作包括：(1）分离图像的天空区域。由于暗原色先验原理对图像中的天空区域并不适用，所以在对图像进行有雾判定时，要把图像中的天空区域分离出来。此外，对有雾图像进行去雾处理时所需要的大气光值，也需要从雾最浓区域，即图像中的天空区域获得。论文根据天空区域的颜色和位置等特点，首先得到二值化图像，之后对其进行一系列形态学处理，最后根据天空区域往往位于图像偏上部分的位置特点，分割出图像的天空区域。（2）有雾图像的判定以及有雾图像库的建立。要对待处理图像进行去雾处理，首先要判定待处理图像是否为有雾图像。如果待处理图像为有雾图像，就要对其进行去雾处理。论文根据暗原色先验原理，判定待处理图像是否为有雾图像，避免了对无雾图像进行去雾处理，处理这些图像不仅没有意义，还有可能出现适得其反的效果。根据图像中场景的不同，将有雾图像分为自然景观、含有人物、含有汽车以及含有建筑有雾图像四类，从而建立了有雾图像库，以便于算法的研究和实现。（3）获取图像的大气光值及透射率。论文选取图像中天空区域的最大值作为图像的大气光值。通过分析，比较透射率图像、灰度图、灰度反转图之间的联系，将经中值滤波处理后的灰度图、经中值滤波处理后的灰度反转图进行基于Contourlet变换的图像融合处理，处理后的图像作为有雾图像的优化透射率。此外，针对灰度图、灰度反转图自身的特点，当目标去雾区域仅为近景或远景区域时，直接使用经中值滤波处理后的灰度图或经中值滤波处理后的灰度反转图作为优化透射率，在得到预期结果的同时，可以节省算法的运行时间。最后，根据论文得到的有雾图像的大气光值及其透射率，结合有雾图像的物理模型，即可得到去雾后的结果图像。（4）去雾图像的主客观评价指标。论文得到的去雾图像质量的好坏，需要进行质量评价。主观评价指标符合人的视觉感受，但由于环境、人自身的情绪等各种因素的影响，主观评价指标并不一定能正确反映出图像的实际质量。常见的客观评价指标包括：均方误差、信噪比、信息熵、平均梯度、新增可见边之比、饱和黑色像素点百分比、结构相似度等，这些评价指标在一定程度上反映了图像的质量情况，但由于其与人眼视觉系统的差距，其结果不能完全反映图像质量，有时甚至与真实情况相反。针对主客观评价指标自身的特点，论文使用主客观评价指标相结合的方法，对去雾图像进行质量评价。此外，算法的运行时间也是评价算法的一个重要指标，运行时间过长，不具有实用性；运行时间短，节约了时间、资源，具有实时性。论文在保证去雾图像质量的前提下，减少算法运行时间，提高算法实用价值。（5）基于暗原色先验的图像去雾算法的应用。无雾图像中的车牌，能够很好地被识别，但在有雾图像中，图像的对比度、清晰度等降低，增加了车牌识别的难度。因此，将论文提出的基于暗原色先验的图像去雾算法应用到车牌识别领域，对图像中的车牌区域进行去雾处理，降低识别难度，提高识别准确率。论文使用MATLAB7.1开发软件，在Pentium(R) Dual-Core、2.59GHz、3.00GB的PC机上运行程序，对有雾图像进行基于暗原色先验的图像去雾处理，在较短的时间内能够得到高质量的去雾图像，增加图像的实用价值。论文对去雾图像的各个客观评价指标进行了比较和分析，得到了较好的预期效果。论文将提出的基于暗原色先验的图像去雾算法应用于有雾图像的车牌识别，能够较好的识别车牌。