在雾霾天气下,场景的信息会经过衰减后达到成像设备,导致获取的图像场景存在能见度低、图像饱和度低、细节不清晰等问题。因此,雾天的图像会给人工分析或者计算机自动化解译带来极大的困难。对有雾图像进行图像去雾处理,能够提升图像的清晰度,凸显场景的细节信息,极大地提升图像的质量,从而为相关任务的达成提供数据质量的保证,因此研究含雾图像的复原具有重要的理论和实际应用价值。本文首先介绍了雾天成像模型和神经网络的相关理论;其次,提出了一种基于卷积神经网络的含雾图像检测算法,利用神经网络判断一幅图像是否是含雾图像;再次,针对含雾图提出了一种基于卷积神经网络的透射率图估计算法;最后,提出一种改进的大气光算法和透射率调整算法,利用以上算法进行图像去雾,以获得更好的去雾效果。本文通过合成的数据集进行含雾图像检测网络训练,在合成数据集和真实数据集均取得了较高的准确率。通过合成的数据集进行透射率图估计网络训练,能够获得有雾图像较为准确的透射率图。结合大气光求取算法和透射率调整算法进行图像去雾,能够提升图像清晰度并抑制了副效应。