近些年,随着无人机、飞艇等运载工具的快速发展,航空摄影技术也日益成熟,对影像的应用也是越来越广泛;但影像的质量容易受到云雾霾等天气的影响,云雾霾现象会造成影像能见度下降,图像对比度差等问题。这就需要对影像进行去雾处理,而去雾效果的好坏直接影响着影像的质量及对影像的后期处理。目前,对影像的去雾方法主要包括两种:基于图像增强的影像去雾方法和基于物理模型的影像去雾方法。本文主要是针对基于物理模型的暗通道优先(DCP)去雾算法进行了改进,DCP去雾方法在对全局大气光估计和运算速度上具有明显的不足。因此,本文在DCP算法基础之上提出了基于迭代最大类间分类法(OTSU)的中值暗通道优先(MDCP)去雾算法。对实验中所涉及的技术和算法进行了研究,主要章节安排如下:(一)阐述了影像去雾方法的背景、研究目的和国内外的研究现状,分别介绍了基于图像增强的图像去雾方法和基于物理模型的图像去雾方法,并提出了本文的研究方向:基于迭代OTSU的MDCP去雾算法。(二)详细介绍了基于图像增强的图像去雾算法的原理,并对直方图均衡化和带色彩恢复的多尺度视网膜增强算法做了论述。(三)介绍了基于物理模型的图像去雾方法,详细论述了衰减模型、大气光模型以及大气散射模型。对暗通道优先原理以及基于暗通道优先的去雾算法进行了阐述,并通过实验说明了暗通道优先算法的可行性,同时也揭示了 DCP算法在估计全局大气光上的不足。(四)为了克服DCP算法对全局大气光估计精度不高和去雾后细节不突出等不足,本章提出了基于迭代OTSU的MDCP图像去雾算法。本章首先对OTSU理论和MDCP理论进行了说明,迭代OTSU算法能够根据景深对图像进行分割,排除白色目标物等干扰,能够很好地锁定理想天空区域;MDCP算法通过平滑传输率图像,达到突出图像细节的目的。并进行了实验分析和实验对比,以此证明改进方法的可行性和优越性。最后,文章通过运用迭代OTSU的MDCP去雾算法对影像数据进行了处理,并且与Fattal、DCP去雾算法进行了实验比较和精度分析,证明了改进后的去雾算法优于Fattal、DCP去雾算法。