当空气中的水蒸气和尘埃结合时,就会形成体积越来越大的细微水滴,悬浮在空中从而形成雾,而雾的出现将会导致采集到的图像模糊不清。在雾天条件下,图像不可避免地受到大气中悬浮颗粒的散射作用,从而使得其对比度不高,颜色失真,细节与边缘不全。因此在此种情况下所获取的图像会给该图像的使用者带来诸多不便,严重影响了我们的日常生活。而图像去雾算法是在图像处理的理论知识的基础上,从有雾图像中恢复出真实的场景,得到更多有用的信息,从而来提高图像的能见度,以方便图像的后续处理。图像去雾是图像处理的研究分支,既是图像增强技术的特定应用,又与图像增强技术略有不同,也即它既具有其的特点,又具有其与众不同的地方,具体体现在其能提高雾天图像的质量。尽管许多去雾算法已被提出,但大多有一定的局限性,因此该领域还有很大的研究空间。在本文中,根据图像雾浓度的不同,我们利用两种不同的去雾算法来得到清晰无雾的图像。在薄雾图像中,薄雾图像中雾的分布比较均匀,并且场景中的物体的边缘都较为清晰,在本文采用基于介质传播函数的方法来实现去雾的目的。首先获取介质传播函数的初始值,然后通过递归双边滤波对初始的介质传播函数来做进一步细化。最后利用梯度域递归双边滤波对去雾结果进行调整。为了加速该算法,通过高斯KD树来对有雾图像的特征空间来采样。与现有方法相比,该方法能够有效对薄雾图像进行去雾,边缘和细节都保持的较好。针对浓雾图像,采用基于大气耗散函数的方法实现去雾的目的。首先获取最初的大气耗散函数。然后,我们利用递归双边滤波算子,在避免引发光晕效应的同时去完善初始的大气耗散函数,以获取高质量的清晰图像。为加速图像去雾,基于近邻传播聚类算法对有雾图像进行特征空间采样。与现有方法相比,该方法对含有大量边缘特征以及复杂场景的有雾图像的效果更好。并且根据当前帧视频图像若干相邻帧的信息来估计其全局大气光,利用递归双边滤波对视频图像的大气耗散函数或介质传播函数进行跨帧滤波处理,将这些方法扩展应用于视频中,可以得到时空连贯性的去雾效果。