最近几年雾霾天气在全国各地频繁出现,在这种天气条件下会降低采集图像的质量,造成图像的对比度普遍较低,颜色整体偏暗,干扰计算机视觉技术的性能。使监控,导航,遥感等系统受到了影响,可靠性被严重降低。为了减少雾天环境对系统的负面影响,因此雾天退化图像的清晰方法研究有着非常重要的实际意义。本文主要以雾天退化图像为研究对象,针对退化图像对比度较差,颜色失真等特点,对雾天图像从退化原因以及恢复这两种方面进行了研究。先对现有的研究成果以及发展的动态进行了描述和比较。然后从大气散射模型出发,对雾天图像退化的原因进行了阐述,并且着重解释了基于暗原色先验去雾技术的理论基础以及去雾原理。针对暗原色先验去雾方法存在的一些问题,采用了了一种基于场景深度图的暗原色先验去雾算法。这种算法利用图像中场景深度变化的关系对暗原色图进行整体修复,同时在暗原色假设不成立的区域,在处理过程中增加一个调节因子来调整透射率,使其达到真实值。然后对移动模块窗口做了自适应修正,使该算法在去雾的过程中能够更大范围内适应不同尺寸的处理图像。最后通过大气模型的逆过程对退化图形进行去雾处理。通过实验表明该算法能够达到较好的去雾效果,恢复后的图像质量显著改善,同时减少了原算法的复杂度,提高了运算效率。经过观察后发现,通过模块化计算暗原色的过程中存在图像边缘信息丢失等现象。针对这一问题,采用了基于大气光的暗原色先验去雾算法。该算法先对整幅雾天图像估算暗原色图。通过构造一个各向异性扩散模型,对大气光图进行滤波处理。然后对图像进行去雾处理。通过实验发现,恢复后的图像存在亮度较低的现象,因此需要对恢复后的雾天图像进行对比度增强处理,最后得到还原后的图像。该算法并不需要用户干预,仅需要一张图像,并且进一步降低了运算的复杂度。通过大量实验和数据的分析,验证了本文采用的算法去雾的有效性,与其他算法相比,该算法表现出良好。同时从恢复图像后的整体对比度和物体边缘多个方面对恢复图像进行了考察,实验表明恢复后的图像在细节和清晰程度上明显得到提高,图像视觉效果得到了改善。