近年来,随着计算机技术的不断发展,图像处理技术已经广泛应用于工业、航空航天、军事以及生活中的各个领域。但是,外界因素的干扰,例如雾天环境下拍摄图像时,由于大气中存在雾、霾等随机介质,导致拍摄的图像细节模糊、对比度低、色彩暗淡等,大大降低了图像的应用价值。因此,对有雾图像进行去雾处理,使图像清晰化,有着非常重要的意义。本文首先介绍了去雾算法的相关理论,接着在此基础上,研究了基于改进导向滤波的单幅图像去雾算法,最后从人类视觉感知的角度出发,采用无参考的质量评价方式,研究了去雾图像和模糊图像的清晰化度量方法。具体研究内如下:(1)为了提高有雾图像的去雾效果,针对使用导向滤波器优化介质传输率后去雾图像中部分区域颜色不自然以及物体的轮廓不明显问题,提出了一种基于改进导向滤波的单幅图像去雾算法。本文首先提出了基于像素求均值大气光值优化方法。然后,通过引入一阶边缘感知因子和像素位置感知因子,得到改进导向滤波后更精确的透射率。实验结果表明,该算法能有效修正包含白色区域图像的去雾效果,同时也能有效改善去雾不彻底的现象,并且去雾后的图像轮廓细节增强明显。(2)通过将视觉特征和底层特征相结合,研究了结合SDSP模型和自适应阈值二值化提取图像显著区域的方法。在ASD数据集和ECSSD数据集上的实验表明,该方法效果良好。(3)由于传统的模糊度估计算法重点研究边缘区域,未充分考虑图像本身内容的复杂性与差异性,同时也忽略了人眼视觉关注的重要性,导致客观分值比主观分值偏低。针对上述问题,提出了一种显著性加权和融合的图像清晰度模型。该模型从人类视觉感知的角度出发,融合了基于CPBD的全局清晰度和再模糊理论的局部细节方差变化,并增加了显著加权因子反映重要区域的显著程度。实验结果表明,本文提出的图像清晰度函数客观结果与人的主观感受更加符合。