雾的形成条件有冷却、水汽饱满，当地面的热量散失，温度又下降到一定程度时，空气的湿度增加，水汽就会达到饱和状态，多余的水汽就会形成小水滴或是冰晶，其悬浮在地面的空气层中，当能见度低于一千米时就称为雾。雾气中的小水滴会对可见光有吸收和散射作用，吸收作用会导致入射光的能量衰减，散射作用会导致光线的传播途径发生改变，因此散射作用是导致所成图像质量下降的主要原因。散射又分为前向散射和后向散射，其中起主要作用的是后向散射，本文从这个角度提出了一种散射分层传输模型，利用此模型和后向散射先验知识可以得到雾图的光学深度信息。本文分析了雾天的形成原因以及Narasimhan提出的单色大气散射模型，并详细介绍了对于一幅雾天彩色图像进行去雾的步骤：将图像从RGB颜色空间转换到HSV颜色空间，提取其明度分量，估计出大气光信息，利用本文提出的散射分层传输模型，求出其光学深度信息，进而得到透射率图，再用引导滤波以及阈值法对透射率做进一步优化，在此基础上结合大气光信息和单色大气模型得到复原后的明度分量；将图像从RGB颜色空间转换到HSI颜色空间，对HSI空间下的饱和度分量进行校正；将复原后的明度分量、校正后的饱和度分量和雾图原有的色调分量转换到RGB颜色空间，得到雾图最终的复原结果。在各类去雾算法中He的去雾算法是效率较高的，其利用暗通道先验知识求雾图的透射率，并用软抠图的方法对其进行优化，但算法运行时间较长；本文利用后向散射先验知识求出雾图的光学深度信息，进而得到透射率，并用引导滤波和阈值法对透射率做进一步优化，该方法能大大减少运行的时间，由于本文对雾图的饱和度分量做了进一步的校正，因此复原后的雾图颜色失真小。相比之下，本文所提出的去雾算法具有颜色失真小、运行时间少、整体效果好的优点。