由于近年来雾霾天气频发,导致户外成像设备所采集到的图像信息缺失,给后续的计算机视觉任务造成了极大的不便,严重影响到了安防监控系统、卫星成像系统、交通监控系统等诸多系统的正常工作,给人们带来了巨大的安全隐患。因此,图像去雾的研究具有十分重要的现实意义。目前主流的基于暗原色先验的去雾方法主要存在不适用于大面积白色区域、大气光估值过高、去雾参数较为单一和去雾后图像偏暗的问题,本文对这些问题进行了有效改进。在改进过程之中,本文的主要创新点如下:1、针对暗原色先验的去雾方法不适用于大面积白色区域的问题,本文提出了一种新的暗亮原色先验的去雾算法。该算法根据白色区域像素值普遍较高的特点提出了亮原色先验理论,并将该理论与暗原色先验理论相结合,有效解决了雾天图像中白色区域的去雾问题。2、针对大气光的估值容易出现过大的问题,本文提出了一种自适应加权的大气光值求取方法。该方法将类天空区域的像素值与最大暗通道值进行自适应的加权处理,使得求取的大气光值鲁棒性更强。3、针对现有的去雾算法在估算透射率时,其所采用的决定去雾程度的?权值较为单一的问题,本文提出了一种自适应权值优化的图像去雾算法。该算法通过大量的实验发现去雾时?权值与大气光值存在一定的关系,并基于这种关系进行改进,从而更好的实现了去雾后图像的优化处理。4、针对现有的引导滤波算法的滤波窗口尺度较为单一的问题,本文提出了一种自适应尺度的引导滤波算法。该算法根据原有雾图像的尺寸大小自适应调节滤波尺度,使得滤波后效果更佳。本文在对原有算法进行改进之后,采用了主观和客观相结合的评价方法,选取了多种去雾算法与本文算法进行对比评价实验。实验表明,本文算法不仅有效解决了原算法不适用于大面积白色区域和去雾后图像偏暗等问题,而且去雾之后的图像视觉效果更加真实自然。