户外图像去雾,即增强雾霾天气拍摄图像的清晰度,对提升计算机视觉系统在恶劣气象条件下的性能具有重要意义。基于大气光照模型的单幅图像去雾方法,由于其模拟自然光照条件,输入限制较少,特别是加入最近提出的暗原色先验估计以后,取得了较为理想的结果,成为图像增强领域的研究热点之一。由于输入仅为一幅受雾霾影响的低对比度图像,要估计景深与环境光信息,从而得到消除雾霾影响的高对比度图像,这是一个病态的问题。引入暗原色先验估计可以有效估计雾分布均匀场景的景深信息,对雾分布不均情形的有效性得不到保证；传统的基于图像增强理念的方法,虽然不受雾霾分布的限制,但由于缺少景深信息的约束,容易发生过饱和效应。以上两类方法在实施过程中都存在优化迭代过程,运算时间普遍较长。若想从局部对图像进行对比度操作往往需要一个图像侵蚀的过程,传统方法依靠优化来实现,时间复杂度较高。本文选取保持图像边缘的指导滤波器,通过图像滤波来近似模拟这一侵蚀过程,在取得相似结果的同时,减少了运行时间。与经典的双边滤波相比,指导滤波是一种显式滤波,不仅具有线性的时间复杂度,对图像边缘的保持效果更加出色。本文充分结合了两类方法的优势,提出一种基于指导滤波器的增强图像局部对比度的方法。同时提出了一个色调映射的后续处理方法,无需人工补光,利用估计得到的深度信息,确定色调映射的参考区域,提高图像整体亮度的同时,以最大限度防止图像失真。仿真实验以及定量评估均表明,本文的方法能够很好地处理雾分布不均匀的情形,快速提高图像清晰度的同时,有效的减少了色彩失真。