图像去雾作为图像复原的重要组成部分,在自动驾驶领域具有重要意义,吸引了大量学者的关注和研究,相关的研究成果层出不穷。本文主要关注基于图像复原的单幅图去雾方法,此类方法是将图像的先验知识或者图像的某些特性与成像模型相结合估计无雾图像;此类方法虽然表现出了较好的去雾效果,但还存在保边效果不理想和耗时较长的问题。本文从恢复单幅图像可见性模型入手,提出去雾处理更加快速和去雾后图像保边效果更加完整的算法。本文的主要工作如下:1)由于快速恢复单幅图像可见性模型存在保边的效果不理想的问题,本文提出了一种基于传播滤波恢复单幅图像可见性的算法。首先,利用雾是白色的特点估计大气光值;其次,对于快速恢复单幅图像可见性模型存在的保边的效果不理想的问题,本文采用传播滤波估计大气光成分实现去雾。通过仿真实验对比,表明该方法的保边效果优于原方法且速度更快。2)由于快速恢复单幅图像可见性模型存在强边缘去雾不理想的问题,本文提出了一种改进的基于恢复单幅图像可见性算法。首先,在图像白平衡的条件下,根据雾的特征估计大气光成分。其次,针对单幅图像能见度恢复模型当中存在边缘去雾的效果不理想的问题,提出了将透射率从大气光成分中分离并对其进行优化的算法。这样使得透射率图的边缘细节信息尽量和原图相同。此时获得的无雾图像偏暗。最后,对图像进行亮度的调整。仿真实验表明,该算法在强边缘附近去雾效果比较明显,运行速度有所提高。