传统的卫星遥感与航空摄影由于成本高昂、使用灵活性较低、技术复杂使得应用受到很大的局限,近年来无人机航拍由于使用灵活、成本低、经济性较好得到了快速的普及应用。同时由于雾霾极端天气会导致无人机等航拍工具采集的图像质量下降严重,使得雾天图像色彩灰暗、目标模糊、图像对比度降低,限制了图像的应用,对于图像后期的高级处理如:特征提取、目标识别、图像融合等有较大的干扰。因此去雾还原便具有极大的应用研究价值。由于图像去雾本身就是一门多学科融合交叉的课题,既可以通过提高图像对比度、突出有用信息来增强图像提高视觉去雾的效果,也可以从雾天图像降质的原理出发,利用雾天成像物理模型复原去雾。因此本文对图像增强与图像复原两类主流去雾算法进行了回顾分析,重点研究Retinex以及暗通道去雾算法,对其原理进行了分析与改进,具体研究内容如下:(1)详细论述了增强式去雾以及复原式去雾算法的核心思想,深入研究了其中具有代表性的SSR、MSR以及暗通道先验去雾算法,对其步骤原理进行了详细分析,并且深入研究了算法的缺点与不足。(2)分析了多尺度Retinex算法去雾后光晕现象、细节丢失、色彩失真以及视觉去雾效果差等问题的原因,据此本文提出了一种双色彩空间改进的MSR去雾算法,首先利用空间临近度与灰度相似度结合的双边环绕计算精确的入射分量,避免了明暗交替以及景深突变处入射分量的干扰,对于MSR分通道破坏颜色比例导致的色彩失真,利用HSV空间中亮度与色调互不干扰的特点,本文对V分量进行双边Retinex处理,对饱和度进行自适应拉伸,转换回RGB得到色彩保持的图像。同时对原始图像在RGB空间采用小尺度Retinex处理,得到细节提升的图像。最后对双色彩空间处理后的图像进行加权融合,得到细节与色彩俱佳的去雾图像。在复原拉伸得到反射分量的同时利用图像灰度分布的特点,使用正态截断拉伸避免了灰度失衡。实验证明改进的算法去雾图像细节与色彩保真好,视觉去雾提升效果明显。(3)重点研究了基于暗通道的复原式去雾算法,针对其存在的问题提出一种基于天空分割的改进去雾算法,首先通过四叉树改进算法获得了精确的大气光值,排除明亮区域对大气光值的干扰,其次暗通道不适用于天空区域,同时暗通道在计算透射率时假设局部方形区域透射率相同会造成透射率偏差。于是本文提出一种基于边缘检测的自适应天空分割算法,结合sobel边缘检测算子与OTSU进行自适应分割,最终通过形态学闭操作消除小区域得到精细的天空分割结果。而后对天空区域透射率进行自适应比例补偿,非天空区域使用SLIC暗通道,得到去雾图像。实验证明本文的去雾算法去雾后图像细节突出、改善了天空色彩失真,视觉去雾提升明显。(4)对主流的去雾算法如MSR、CLAHE、ACE以及暗通道进行编程实现,对比了上述算法与本文两种改进算法对于单张无人机图像的去雾效果,主客观评价证明了本文算法有效性。最后对多张无人机图像进行了去雾拼接实验,论述了图像去雾拼接的步骤方法。