随着环境污染的加剧,空气质量严重退化,雾霭天气也越来越频繁。图像去雾的研究具有现实意义,已经成为当前热点。众多研究者都在寻找切实有效的方法力求恢复图像的本来面目。本文主要研究图像去雾与图像增强,完成的主要工作以及贡献是:首先,分析了雾天图像退化机理以及目前主流的基于非物理模型与物理模型的图像去雾方法。在此基础上提出了一种基于拉普拉斯金字塔融合的图像去雾算法。算法思想是:先利用何凯明提出的暗通道先验知识计算出粗透射图;再对粗透射图使用最小值滤波;最后采用基于拉普拉斯金字塔融合方法将经过最小值滤波的透射图与大气幂图进行融合,还原真实图像。实验表明,该算法运算复杂度远远低于何凯明的抠图算法,同时具有很好的去雾效果。其次,针对去雾后图像的色偏现象,提出了一种去雾后图像色偏检测与图像增强算法。算法思想是:在Retinex理论基础上,利用低复杂度且具有边缘保持特性的导向滤波器对去雾后的图像进行亮度辐射估计。实验表明,该算法在保证计算复杂度不增加的基础上,准确的估计出了亮度辐射,很好地校正了去雾后图像的色偏问题。最后,将以上两种算法结合,提出了一种图像去雾与图像增强联合算法,先对雾霭图像进行去雾处理,再对去雾后的图像在色偏校正方面进行增强。本文采用了主观评价(去雾力度、薄雾图像去雾效果、浓雾图像去雾效果、密集型深度突变图像去雾效果、过增强图像的去雾效果)以及客观评价(均方误差、平均梯度、信息熵、时间),将联合算法与目前主流的几种去雾算法进行比较。实验结果表明,本文提出的图像去雾与图像增强联合算法不仅在主观上有很好的去雾效果,客观上也有良好的去雾性能。