在霧、霾等惡劣天氣條件下，由于空氣中渾濁介質對大氣光的吸收、反射等作用，獲取到的圖像出現霧化現象，對視覺應用系統產生嚴重影響。針對圖像去霧問題，許多研究者提出了多種解決方法。

　　目前，圖像去霧方法主要分為基于圖像增強和基于物理恢復兩類。基于圖像增強方法沒有考慮霧圖降質的根本原因，只增強圖像對比度。這類方法可以利用已經成熟的圖像處理算法，如直方圖均衡化、Retinex 和小波變換等方法。張久鵬等對反轉后的圖像進行改進后的限制對比度自適應直方圖均衡化，增強亮度，然后進行翻轉得到無霧圖像。張賽楠等人首先利用梯度算子增強霧天降質圖像的各個顏色分量的邊緣信息，然后，在單尺度Retinex 的基礎上提出了一種符合人眼視覺特性的中心自適應調節的擬合函數，增強圖像各個顏色分量。Wang 等人利用小波變換方法分解圖像，然后分別對高頻和低頻信息進行處理，得到重建后的無霧圖像。基于增強方法提高了圖像對比度，然而，得到的圖像會出現信息丟失、過飽和現象。基于物理模型方法通過研究大氣懸浮顆粒對光的散射作用，建立大氣散射模型，根據物理模型，反演復原出降質前圖像。基于物理模型去霧方法分為兩類，一類是基于多幅圖像去霧，一類是基于單幅圖像去霧。由于物理模型含有大氣光和透射率兩個物理量，求解問題實際上是欠定問題。因此，一些研究者利用多幅圖像獲得深度信息，根據深度信息進而恢復出無霧圖像。通過獲取不同天氣條件下同一場景的多幅圖像，得到更多約束信息，最終恢復場景圖像。利用不同偏振角度的兩幅或多幅圖像獲得深度信息，進而去除霧霾效應。這些方法能夠去除霧霾，但是很難實時獲取到多幅圖像。

　　近年來，單幅圖像去霧引起研究者關注，并且取得了很大進展。基于單幅圖像去霧主要依賴于假設或先驗知識。Fattal 通過假定透射率和表面投影在局部不相關來估計透射率，并使用大氣散射模型進行反演，復原無霧圖像。這種方法能恢復較好的視覺效果，然而方法是基于彩色圖像統計特性，因而該方法無法應用于灰度圖像，而且這個統計特性在濃霧區域會失效。Meng 等人通過結合基于加權的上下文正則化，將透射函數的邊界約束建模成一個最優化問題，估計場景透射率。此方法需要手動選取大氣光位置，應用受到限制。He 等提出暗原色先驗，利用此先驗知識求解大氣光和透射率，進一步利用軟摳圖算法優化透射率。最后達到去霧目的。這種方法去霧效果好，處理后圖像顏色自然，但在摳圖優化過程中，時間復雜度較高，實時去霧不理想。基于暗原色先驗，一些改進的去霧方法被提出。Fang等根據像素在RGB 空間的距離來細化粗略透射率分布，替代復雜度較高的軟摳圖算法，并在估計粗略透射率以及去霧圖像之后，利用變分法求解一個最小化能量函數，實現去霧圖像細化以及去噪。Gibson等利用暗原色先驗知識，用中值代替最小值來估計透射率，并依此來恢復無霧圖像。這些改進方法能夠達到去霧目的，解決了時間復雜度高的問題，但是得到的去霧圖像在邊緣處出現光暈現象，對于亮度不均勻圖像會導致去霧后圖像局部偏暗或亮度過高。