近年来,由于环境污染加剧导致雾霾天气频繁发生,雾霾在影响人们身体健康的同时,由于雾霾环境下大气杂质粒子对光线的散射作用,使成像系统生成的图像退化降质,对比度降低,颜色发生偏移,信息量减少,甚至会传递错误信息,严重降低了户外计算机视觉系统的可用性,给人们的生产生活带来了诸多不便,也对人民的生命财产安全构成威胁。在交通监控方面,雾霾会降低交通监控设备上视频图像的对比度和清晰度,使图像模糊不清,导致整个交通系统信息量减少,严重妨碍交通管控工作,影响人们行车安全。因此,开展雾霾图像清晰化工作具有十分重要的实际意义。论文在研究雾霾图像特性的基础上,对症下药,结合现有去雾算法的原理以及处理效果,提出改进算法,开展雾霾图像的清晰化工作。研究工作主要体现在如下三个方面。第一,对雾霾图像的去雾处理应该紧紧围绕雾霾图像本身所具有的特性,因此论文使用不同方法从图像颜色特征、频率特征、图像对比度、能见度等方面全面系统地分析了雾霾图像所具有的一些特性。这些特性分析研究工作成为后续雾霾图像恢复工作的重要基础。第二,针对传统Retinex算法处理后图像在高对比度边缘区域容易出现光晕伪影的问题,为了提高运算速度,基于引导滤波边缘保持的思想,论文对色彩恢复多尺度Retinex(Multiple Scale Retinex with Color Restoration,MSRCR)算法中照度分量的估计采取结合图像边缘信息的方式进行计算,也即在原图像中非边缘区域采用高斯滤波函数进行照度分量的估计,而对边缘区域不进行任何操作,进而提取反射分量,形成改进MSRCR算法。实验结果表面,改进后算法相对于传统Retinex算法和基于双边滤波的Retinex算法有效减少了处理后图像中的光晕伪影。第三,针对直方图均衡化(Histogram Equalization,HE)和传统Retinex算法处理后图像存在的问题,提出了一种结合直方图均衡化和改进MSRCR的单幅雾霾图像增强方法。首先将雾霾图像分别进行直方图均衡化和改进MSRCR增强,然后对增强后的两幅图像按照一定的图像融合规则进行加权融合。实验结果表明,对雾霾图像能获得很好的去雾效果,具有去雾后图像细节突出,颜色保真性好,处理效率较高等特性。