在雾、霾、弱光等天气条件下拍摄到的图像存在对比度低、颜色失真和细节模糊等现象,严重影响安全监控、交通监管、自动导航、目标检测等户外计算机视觉系统发挥效用。目前,针对白天场景雾天图像复原技术取得了较大进展,而对夜晚有雾图像复原研究较少。相对于白天场景,夜间图像去雾更具挑战性。因此,本文对夜晚图像去雾算法进行研究,主要工作如下:针对夜晚有雾图像光照不均、色偏和噪声大等特点,论文深入分析夜间有雾图像成像规律,建立了含有人工光源的夜间有雾图像成像模型,并提出了夜间图像去雾新方法。针对夜间光照不均问题,提出基于低通滤波的环境光估计方法;针对夜间图像去雾后存在光晕问题,提出根据图像色度信息判断场景点是否属于近光源区域;针对非一致色偏问题,利用直方图匹配方法进行颜色校正。大量实验结果验证了本文提出的成像模型及去雾算法的有效性。针对夜间图像去雾后容易造成细节模糊、噪声放大等问题,本文基于图像分解模型,将图像分解为结构层和纹理层,只在结构层对图像进行去雾,可以最大程度保留图像的细节信息;然后在纹理层进行去噪、去伪影处理,并与去雾后的结构层融合得到复原图像。实验结果表明,基于图像分层的夜间图像去雾算法复原图像细节清晰、噪声较小。