户外采集系统在雾霾等恶劣天气下获取的图像质量较差,这对图像的后期处理等造成了很大的困扰。如何根据采集到的含雾图像获得质量较高的清晰图像成为了图像处理领域的研究热点之一。何恺明等人基于大气散射模型,提出了暗原色先验去雾算法(Dark Channel Prior,DCP)。该方法基于对清晰图像的统计观察,去雾效果较好,但仍存在缺陷。因目前大多数去雾方法都以暗原色先验为基础,本文将针对暗原色先验方法目前存在的问题,研究相关优化算法,以获得更高质量的清晰图像。本文的主要研究内容包括:1.针对传统暗原色先验去雾算法易造成复原图像天空等区域色彩失真的问题,提出了一种修正大气耗散函数的单幅图像去雾算法。利用大气光三个颜色分量值近似相等的特性,构造修正函数,对明亮区域的大气耗散函数进行纠正,从而间接得到该区域相对准确的传输率。实验结果表明,改进后的算法优于传统算法及现有的一些改进算法。2.针对传统暗原色先验去雾算法不能在保持低复杂度的同时实现彻底去雾的问题,提出了改进双区域滤波和引导滤波结合的单幅图像去雾算法。在暗原色中值的基础上,对远景区域和近景区域像素的透射率进行分区域处理,并利用引导滤波进行优化,从而得到更加准确的传输图。实验结果表明,所提出的改进算法不仅能得到质量较高的复原图像且实时性好。3.针对传统暗原色先验算法大气光值估计不准确的问题,提出了一种改进的四叉树大气光值估计方法。利用大气光值的特性,以窗口像素的平均强度值做为四叉树分割的依据,并在分割时采用自适应阈值防止过滤掉天空区域及避免白色物体的干扰,从而得到最终的大气光值。实验结果表明,改进后的算法估计得到的大气光值比传统方法得到的大气光值更加准确。