目前主流的基于暗原色先验的去雾方法的参数选择较为单一，难以适应多种不同的雾天图像，针对这个问题，本文提出了自适应参数优化的图像去雾算法。本文通过实验发现去雾时ω权值与大气光值存在一定的关系，并基于这种关系进行改进，从而更好的实现了去雾后图像的优化处理。本文在对原有算法进行改进之后，采用了主观和客观相结合的评价方法，选取了多种去雾算法与本文算法进行对比评价实验。实验表明，本文算法去雾之后的图像视觉效果更加真实自然。

针对暗通道先验去雾算法存在的光晕现象、大气光值选取不准确等问题,提出了一种基于暗通道补偿与大气光值改进的图像去雾方法。为减弱图像景物边缘处的光晕效应,提出了一种基于暗通道补偿模型的解决办法,利用加权通道差值的方法识别光晕区域,通过腐蚀、融合等处理修正该区域的暗通道值,采用线性融合的方式与原暗通道进行融合,实现对暗通道的补偿。针对大气光值选取不准确的问题,改进了四叉树分割方法,即增加相邻区域比较的策略,使该算法可以更加精确地获取大气光值,使恢复后的图像更加清晰自然,细节保留更加丰富。借助大气散射模型与优化后的透射率恢复无雾图像。实验结果表明,本文方法能够有效地去除光晕效应,准确地获取大气光值。