可用两种方式对图像去雾，其一为物理模型的图像复原，通过建模实现理想状态下的场景复原：

（1）低对比度可见光超视距成像的实时图像增强方法[1]65170

大概跟区域均衡化类似：处理开始把图像分割为M行N列的子模块, 每个子块为m * n,左上角为( 0, 0), 右下角为(m - 1, n - 1), 设a 子块为当前子块, b, c, d 为相邻的3个子块。分别统计4个子块的像素灰度和概率密度函数， 有所统计的结果选择最佳的映射函数将子块中的灰度进行转换，根据a的处理结果依次计算其他的像素, 一直到最后一个小模块，这样整个图像的灰度就出来了。

（2）图像去薄雾方法 [3]

将雾对景物的退化作用等效成照度变化的结果，根据Ret inex理论及有雾图像直方图的特点，分析了MSR 算法，采用正态截取拉伸对其输出图像进行处理， 取得了较好的图像去薄雾效果。

（3）基于图像局部方差的保持灰度级和亮度的雾天图像增强算法[4]。论文网

细节主要体现在局部，通过局部处理达到整体改进的原理用图像局部方差来处理图像达到增强效果，根据求得的平均值进行灰度函数f的变换。这种算法在细节处理上有着很好的效果。

（4）软硬件结合透雾增强方法[5] 

红外光线比可见光的散射率小，穿透性更好，若CCD成像系统采用红外探测镜头则能在一定程度上克服雾天对拍摄的影响。该方法在边海防监控领域已经有了广泛的应用。

图像去雾的方法多种多样，只是大多数算法只是部分的增强而部分的弱化。如何能更快速有效地对图像进行对比度增强以去除雾对图像质量的影响将是一项长期的工作。