通过分析大气粒子对光线的多次散射作用，利用大气点扩散函数作为卷积核，基于暗原色图像复原理论，建立了基于多次散射的雾天成像模型，并以函数形状相似性为依据，利用广义高斯分布定量估计出大气点扩散函数核函数在图像域下的相关参数.针对传统暗原色理论以固定大小图像区域估计透射率的不足，提出了基于超像素分割获得景深一致的图像分块方案，通过区域合并，获得更为精准的天空检测效果；基于暗原色先验理论分别估计天空和非天空区域的透射率，并对天空区域的透射率进行修正，不但减少了天空色彩失真，同时也消除了复原结果的光晕现象.本文从主观和客观两个方面将所提出的去雾方法和其他算法进行了对比，结果表明，本文提出的去雾算法能够在较短的运行时间内获得对比度较高、细节信息丰富的去雾结果，具有较好的鲁棒性.

为解决现有去雾算法结果中存在的光晕现象、颜色失真等问题, 提出一种基于边界邻域最大值滤波的图像去雾方法.首先通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波, 以得到更为准确的透射率图来消除光晕现象; 其次对暗原色图乘以一个尺度因子, 扩大透射率的取值范围, 提高去雾结果的对比度; 最后设置两个亮度阈值以及一个平坦阈值, 消除图像中高亮度物体的影响, 获得更为准确的大气光值, 使得去雾结果颜色保真度较高.仿真结果表明, 与现有去雾算法相比, 本文算法对含高亮度物体以及含细节信息的带雾图像, 均可消除光晕现象, 获得高对比度及高颜色保真度的去雾结果, 同时也提高了算法的处理速度.