雾霾天气由于悬浮粒子的存在，降低了红外成像系统的对比度和视觉质量。现有的去雾方法大多侧重于增强全局对比度或在图像中采取局部网格透射率估计策略，容易导致图像信息丢失、光晕伪影以及天空区域失真的现象。针对这些问题，本文提出了一种基于超像素结构分解以及信息完整性保护的单幅图像去雾方法。在该模型中，首先基于局部结构信息，设计了分层超像素算法自适应地将图像分割成多个目标区域以消除光晕伪影。同时为了避免局部高亮目标造成估计误差，采用基于超像素块的改进四叉树细分方法获得全局大气光值。在此基础上，利用组合约束通过最小化信息损失实现透射率图最优化。在真实红外雾天图像上的实验表明，在定性和定量方面与现有的经典算法相比，本文所提方法在对比度和可见性方面具有优越性。

针对暗通道先验在天空区域出现轮廓效应和色彩失真等问题，提出天空区域分割和不同区域透射率映射的去雾算法。首先，利用自适应阈值法粗略分割图像天空区域，在天空区域中完成大气光值的估计。其次，结合超像素分割方法改进暗通道，获得初始透射率，利用导向滤波的方法得到细化透射率，对细化透射率进行自适应阈值分割，并保留最大连通域实现天空区域的精细分割。最后，针对天空和非天空区域提出不同的透射率映射方法，得到最终透射率，并利用大气散射模型复原图像。实验结果表明，恢复图像在主观视觉和客观指标方面均表现出色。算法有效地解决了暗通道先验算法容易在天空区域失效的缺陷，可以恢复比较自然的天空，减弱了边缘区域的halo效应。