为了解决暗通道先验算法中对大片天空区域或大片白色区域失效的问题, 提出一种结合景深估计的高斯衰减与自适应补偿去雾算法。首先通过RGB通道散射强度的算术平均与雾浓度近似正相关的关系估计场景深度; 然后, 结合景深的边缘信息, 利用相邻像素之间的差异构造高斯滤波器对最小值通道进行滤波处理得到高斯暗通道; 其次, 利用高斯暗通道与其高斯函数之间的关系, 通过调节因子与雾浓度呈负相关的关系, 提出结合景深与高斯环绕函数卷积的策略获取自适应调节因子, 从而对透射率进行自适应补偿估计; 最后, 结合大气散射模型复原无雾图像。实验结果表明, 该算法在确保运行效率的基础上, 可以准确的估计透射率, 与经典算法相比较, 在客观评价中可见边数平均提高了0.02, 饱和像素点数平均下降了0.002。所提算法可以复原出自然清晰的无雾图像, 尤其是在景深远处和天空区域取得了良好的效果。

针对通过局部相似假设估计透射率，景深突变边缘出现Halo效应问题，提出一种基于边缘保持的自适应高斯衰减图像去雾算法。该方法从大气散射模型出发，引入大气幕亮度，将场景透射率的估计等效为大气幕亮度的估计。通过边缘检测算子提取边缘信息，分离边缘区域与非边缘区域，利用邻域内像素点的空间邻近度构建自适应高斯函数对非边缘区域进行平滑衰减，从而获得最优效果。通过大量实验对所提方法进行验证，结果表明复原的图像整体平滑，细节明显，有效地消除景深突变处的Halo效应,并且在客观评价中也体现出了优势。