众所周知，在含雾天气下，人们基本无法看清前方的物体，容易造成各种交通事故，给人们的日常生活带来诸多不便，且由于雾天图像的低对比度特性使得研究者也无法较好的利用这类图像获得有用的信息。图像去雾算法将一幅带雾图像变成清晰无雾图像，广泛的应用于研究领域的各个方面，如目标识别、目标检测等。本文主要研究了基于暗原色先验的单幅图像快速去雾算法，从以下几个方面进行阐述:　　1)指出现有基于暗原色先验算法得到的去雾结果存在光晕现象及颜色失真等问题，提出一种基于边界邻域最大值滤波的图像快速去雾算法。首先，通过边缘检测寻找图像边界被低估的暗原色值并对其进行边界邻域最大值滤波，以得到更为准确的透射率图来消除光晕现象;其次，对暗原色图乘以一个尺度因子，扩大透射率的取值范围，增强去雾结果的对比度;最后，通过设置两个亮度阈值以及一个平坦阈值，排除图像中高亮度物体的影响，获得更为准确的大气光值，使得去雾结果颜色保真度较高。仿真结果表明，本文算法不仅可以去除光晕现象，获得较好的去雾图像，同时也大大的缩减了时间复杂度。　　2)针对基于边界邻域最大值滤波的图像去雾算法不能自适应求取透射率及去雾结果往往偏黑，设计一种自适应求取透射率及自适应亮度拉伸的图像去雾算法。该算法通过计算已知暗原色点结合透射率方程获取大气散射系数，估计透射率。针对去雾图像直方图的分布，决定是否对去雾图像进行亮度拉伸。实验结果表明，该算法不仅可以消除光晕现象，获得高亮度及高颜色保真度的去雾结果，同时针对公路图像以及遥感图像的去雾也获得了良好的效果。　　3)由于上述方法不能很好的处理深度不连续区域，尤其是细小缝隙区域的雾。因此，本文使用快速加权中值滤波进行优化透射率，该算法充分利用了快速加权中值滤波器的优点，即保持边缘与角点以及速度快。实验结果表明，该方法对含细小缝隙的图像，去雾效果较理想。除此之外，去雾速度也进一步提高。