在雾天环境中,由于空气中大气微粒对光线的散射作用,使户外视觉系统采集得到的雾天图像严重退化,出现了对比度降低、颜色失真、细节丢失等情况。因此,为了解决雾天图像质量降低的问题,有必要对雾天图像清晰化技术进行研究。雾天图像的清晰化技术是当前计算机视觉与图像处理领域的重点和热点问题,具有广阔的应用前景。文章结合大气物理成像模型,对雾天图像的清晰化技术进行了深入研究,主要包括三个方面:基于物理模型的图像恢复方法、基于非物理模型的图像增强方法和雾天视频去雾处理,重点研究基于物理模型的图像恢复方法。文章的主要研究工作和创新点如下:(1)针对目前去雾算法在场景深度变化的边缘处容易产生Halo效应,去雾处理后图像保留细节信息较差等问题,提出了一种基于局部极值的单幅图像去雾算法。该算法从大气散射模型出发,首先采用基于广义高斯模型(GGM)的区域分割算法获得大气光照隐含区域,并结合暗原色先验原理求解大气光照;然后,采用基于局部极值的方法计算出大气耗散函数对应的多尺度包络层,通过多尺度色调映射算法对恢复结果进行处理,对图像细节与颜色进行增强与校正,最终获得理想的无雾清晰图像。实验证明,该算法处理后的图像边缘细节更加清晰、自然,削弱了Halo效应的影响,提高了图像的视见度,且具有较高的执行效率。(2)针对目前去雾算法对于浓雾图像恢复效果较差的问题,提出了一种基于稀疏梯度先验模型的单幅图像去雾算法。在大气散射模型下,该算法首先进行大气光照的估计与白平衡处理;然后构建基于稀疏梯度先验的平滑模型对大气耗散函数进行估计,从而实现去雾;最后,根据场景深度约束构建非局部正则化模型对恢复结果进行进一步优化。实验证明,该算法能够有效的去除图像中雾气的影响,具有提升对比度,抑制噪声影响等特点。该算法能够适应于不同浓度雾气环境,尤其在浓雾图像的处理方面,其恢复效果远远好于传统方法。(3)雾天场景中存在的白色物体等因素一直对大气光照的求解造成着影响,而对于大气光照的不准确估计容易导致去雾处理后出现图像细节信息损失、颜色失真等现象。针对上述问题,提出了一种基于图像融合的单幅图像去雾算法。该算法首先采用直方图统计的方法获得大气光照的候选集合;然后,采用加权最小二乘算法(WLS)对介质传播函数进行估计,根据大气散射模型获得多尺度恢复结果;最后,采用基于金字塔分解的图像融合技术对多尺度雾天图像恢复结果进行处理,最终获得理想的无雾清晰图像。在融合过程中,参考三个测度因子,即显著性、饱和度、曝光度。实验证明,该算法能够有效的降低大气光照求解误差带来的影响,实现雾天图像的视见度的提高,其在鲁棒性及时间效率方面也具有一定优势。(4)由于大气散射模型并非对于所有雾天场景都适用,文章也对基于非物理模型的图像增强技术进行研究,通过分析Retinex算法在对雾天图像增强过程中的特性,提出一种基于马尔科夫随机场(MRF)模型的Retinex单幅雾天图像增强算法。该算法首先在HSV颜色空间下,构造边缘保持的Gaussian-MRF模型对照度分量进行估计,根据Retinex原理获得仅包含物体本身特性的反射分量,并通过CLAHE算法对其颜色与亮度进行恢复与校正,然后构造Huber-MRF模型对增强结果进行优化,经过颜色空间转换后,最终实现雾天图像的增强。实验证明,该算法去雾效果显著,能够有效的凸显边缘细节信息、恢复图像的真实颜色,实现雾天图像质量的改善。(5)通过研究单幅图像去雾技术与视频处理技术之间的联系,并考虑到动态背景的视频和静态背景的视频各自的特点,提出了一种实时的雾天视频恢复算法。该算法首先进行大气光照的估计,为保证视频色调的平滑,对大气光照的求解进行时空约束;然后,对介质传播函数进行粗估计,采用帧间差分法对视频运动区域进行检测,通过加权融合的方法对介质传播函数粗估计结果进行时域约束,然后采用线性的引导滤波对介质传播函数进行细化;最后根据大气散射模型完成雾天视频的恢复。实验证明,该算法能够有效的提高雾天视频的视见度,解决了视频闪烁、抖动等问题,较好保持了视频帧间的一致性,具有较高的执行效率。