针对夜间雾、霾场景下的去雾图像存在颜色失真、纹理损失、亮度低等缺陷，本文提出了一种采用暗态点光源模型的夜间去雾算法，通过构建夜间雾、霾场景的暗态点光源模型，利用联合双边滤波、限制对比度自适应直方图均衡化等算法对降质图像进行处理，结合大气散射模型得到去雾图像。实验结果表明，该算法的处理速度快、夜间去雾效果较好，较对比算法在对比度、平均梯度以及信息熵上均有一定程度地改善，有效解决了去雾图像的颜色失真、纹理损失、亮度低等缺陷。

雨雾天气严重影响了户外拍摄图像质量,针对图像去雾存在的边缘伪影问题,提出了一种基于流形粒子滤波的去雾新方法,通过优化大气透射率,获得精确的透射率,解决了景深边缘伪影问题;针对去雨雾存在雨痕和不清晰问题,提出了一种优化注意生成对抗网络的去雨雾方法,通过将高斯模型与生成对抗网络相结合,去除背景干扰,提高了背景层与雨线分离的准确性,同时在生成对抗网络中加入流形粒子滤波去雾模块,恢复出清晰无雨雾图。采用自然场景雨雾天图像进行测试,并进行定性定量分析比较。实验结果表明,与现存去雨算法相比,所提算法能较好地去除图像中的雨线,且细节特征更加丰富,同时去雾模块的加入显著提高了图像清晰度,客观指标也得到了提升。

遥感影像的成像过程容易受到雾霾的影响，同时雾霾天气日益增多，使得遥感影像去雾工作成为遥感影像数据预处理的重要组成部分。基于暗原色统计先验的暗通道去雾方法已经在自然图像去雾方面得到了广泛应用，而该方法对于遥感影像的适用性还有待评估。以“高分一号”卫星遥感影像为例，讨论了遥感影像的暗原色值特性。结果表明，基于暗原色统计先验的暗通道去雾方法可以应用到遥感影像的雾霾去除工作上。

针对薄雾天气造成的能见度低的问题，提出了一种利用高光谱图像混合像元分解技术去除雾的方法。建立了薄雾天气下的传感器成像物理模型，对含有雾端元的线性光谱混合数学模型进行解混。然后通过丰度反演方法得到雾端元的丰度后加以去除，将剩余地物端元的丰度调整后即获得去雾后的图像。该方法相比于基于单波段或全色图像的去云雾方法，物理意义更明确。从客观评价指标上也可以看出该方法的薄雾去除效果佳，去雾后图像细节更加丰富。

根据大气散射物理模型及光学反射成像模型, 总结并分析了影响单幅图像去雾效果的3大因素, 以实现对雾霾图像的快速去雾。基于光学原理, 解释了暗影通道现象, 从新的角度推导出了大气散射模型中各参数的求法。利用灰度开运算去除白色目标的干扰获得精确的环境光亮度, 基于快速联合双边带滤波精确计算了大气散射函数, 最后由光学反射模型计算了场景目标的反射率并有效截断至［0, 1］区间。本方法可以消除天空及环境光线的影响, 能真实复原场景的色彩和清晰度。仿真结果表明, 对分辨率为576×768的图像处理时间仅为0.517 s, 且视觉效果和客观指标比现有算法均有不同程度的提高。与现有图像去雾算法相比, 本文提出的参数计算方法提高了运算速度、场景适应能力和复原效果。