针对图像去雾算法在天空区域出现恢复不真实以及雾气浓度估计精度不足等问题，本文提出天空区域分割和雾气浓度估计的去雾算法。首先，为了提高透射率的估计精度以及提升去雾效果，利用梯度阈值和亮度阈值分割天空区域。其次，采用改进的暗通道先验和四叉树细分法估计大气光值。最后，针对天空区域和非天空区域采用不同的透射率估计方法，对于天空区域采用亮通道先验方法，对于非天空区域提出了线性雾气浓度估计模型。结合像素点概率分布得到透射率并采用引导滤波方法进行边缘细化，利用大气散射模型获得最终复原图像。实验结果表明，去雾后的图像在主观和客观质量评价方面表现良好，所提出的算法能够使天空区域恢复自然，去雾更加彻底，增加了图像细节的清晰度。本文算法的运行速率与当前主流算法相当，针对不同有雾场景去雾表现的稳定性优于其它算法。

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。