上述的基于图像增强的算法虽然在视觉对比度方面有了很大的改善，但是对图像而言还只是一个从对比度方面提高图像质量的算法，并没有真正的从雾天图像降质的原理去分析图像降质的原因。近年来，国内外的一些学者基于大气散射理论对恶劣天气条件下的图像退化机理进行分析，提出了一些基于退化模型的雾天降质图像清晰化复原方法。英国蔓彻斯特大学的 Oakley[7] 等人在多种条件的假设下，构造出了一个多参数的大气退化模型，并通过数学统计模型估计其参数，该退化模型只能用于灰度图像，接着Tan[8-9]等人在原来算法的基础上进行改进，从而使其应用于彩色图像。因为改进的算法需要精确知道场景深度信息，所以对图像采集的硬件有较高的要求。如：在实验中，需要安装全球定位系统（GPS），雷达等设备来采集图像的深度信息。这些硬件的使用明显限制了该算法的广泛应用。59999

美国哥伦比亚大学的 Nayar[10-11]等人从大气传播原理出发，构造出了两个主要大气传输模型：直接衰减模型(attenuation)和天空光模型(airlight)。该模型的处理方法，首先根据大气传输模型推导出图像的深度特性，对在不同环境条件下所拍摄到的同一场景的两幅雾天退化图像，计算出这两幅图像的场景深度变化边缘，接着按照退化模型计算出场景中每一个点的标准辐射度，从而实现清晰化，该步骤中每个像素点上的标准辐射度求解需要解一个超大的线性方程组论文网，若退化图像分辨率要求高，那么该方法的运算量就非常大，不适于推广。然而 Narasimhan[10-11] 在上述算法的基础上进行改进，提出了一种基于单幅图像的交互式复原算法，但该算法要求的参数非常严格，如：指定场景的最大深度以及最小深度参数，指定决定雾薄厚的散射系数，但该散射系数，对于很多实际情况是无法测量的。