针对暗通道先验法中存在的透射率估值不准确、景深处易产生光晕效应、天空区域颜色失真以及算法实时性差等问题，提出了一种暗通道和全局估计结合的图像快速去雾方法。首先，求取图像中每个像素点R、G、B三个颜色通道强度值的最小值，采用大气散射模型结合全局估计的方法，并利用一种简单、快速的线性模型，求得无块状效应的透射率值；然后，再与暗通道先验法求得的粗略透射率进行线性融合；之后，根据有雾图像特点，对透射率值进行自适应调整，使得透射率估值更准确；最后，复原出去雾后的清晰图像。实验结果表明，所提方法得到的透射率值更准确，能有效地复原出图像的细节信息，避免光晕效应和颜色失真问题；同时，算法的处理速度更快，能更好地满足对实时性要求很高的视觉系统。

色域映射是实现彩色图像在不同设备中传输和再现的关键技术,也是现代颜色管理系统的核心环节。但关于色域映射图像的质量评价研究较少,因此,提出了一种基于自然场景统计的无参考色域映射图像质量评价算法。首先将色域映射图像转换到Spatial-CIELAB颜色空间并提取颜色三属性,即亮度、彩度和色调。对亮度分量进行Log-Gabor滤波,在频域上提取统计特征表征图像的结构失真和对比度失真;对彩度和色调两个分量,在空间域上提取统计特征来表征图像的颜色失真。然后结合主观分数和提取的特征,利用后向传播神经网络训练图像质量评价模型。最后用模型评价图像质量,实验结果表明,该算法优于现有的无参考质量评价算法。

目前较为流行的去雾算法都存在着过度增强以及增强不足，容易造成光晕效应以及色彩严重失真。提出一种基于四叉树细分的改进大气光估计方法以及一种改进的引导滤波用来解决这些问题 。首先，对非重叠暗通道使用四叉树细分方法估计更加可靠的大气光值。然后，分析引导滤波在边缘区域的光晕效应产生的原因，对其加入自适应权重因子，用改进后的引导滤波对初始传输图进行 优化。最后，用估计的大气光值和优化后的传输图根据大气散射模型得到去雾图像。实验结果表明：去雾后的图像颜色较为可靠，边缘区域光晕效应减弱。从颜色可靠性和细节增强度来说，提出的 算法比现阶段的去雾算法有较为出众的表现。

城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异，最终导致分类精度下降。针对可见光图像中的阴影和颜色失真问题提出了一种改进办法：第一阶段针对阴影导致的被掩盖区域谱信息缺失问题，对阴影区域进行采样、分析，通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影。第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型（DSM）]中的差异特征，剔除冗余，获取准确的树木区域，弥补颜色失真使得树木区域提取不完全的缺陷。实验结果与人工获取的真实数据对比显示，该方法与传统的Dempster-Shafer (D-S)证据理论融合方法相比，分类精度有了明显的提高。