雾霾、雨雪、沙尘等极端天气条件下采集的图像对比度降低,细节模糊,图像降质严重,使需要清晰的输入图像的交通监控、目标识别、导航等领域的应用大大受到了限制。因此,对极端天气下的降质图像进行清晰化处理有着重要意义。本文通过分析图像退化原因,结合降质图像物理模型,对不同天气下的降质图像分别提出相应的图像增强算法。在雾霾图像增强处理方面,本文提出了基于暗原色先验的改进算法。该算法建立在暗原色理论的基础上,根据雾霾图像成像模型,求解其中相关参数进而反推出图像的真实场景。该算法能有效去除雾霾对图像的影响,但是当图像中存在大片明亮区域时,暗原色理论失效,增强后的图像出现色偏等失真现象。本文针对暗原色先验算法的不足之处提出相应改进:1、暗原色先验原理是一种统计规律,当图像中存在大面积明亮区域时存在失效的情况,本文将输入图像与大气光值的接近程度作为判定明亮区域的阈值,对明亮区域的透射率用本文提出的快速估计法修正,而其他区域的透射率仍采用原算法求解。2、暗原色先验算法对大气光的估计无法排除大片白色近景部分的干扰。大气光的大小直接影响到透射率的获取,为了得到更准确的透射率,本文在图像雾霾最浓区域采用局部熵的方式选取大气光值,有效避免了白色物体的干扰。经过改进后,恢复的图像对比度和清晰度得到提高,颜色自然,无色偏等失真现象。在雨雪图像增强处理方面,本文首先对输入的雨雪图像采用自适应双边滤波处理,保持图像边缘信息的同时滤除噪声对图像的影响;其次研究了雨雪图像成像模型,结合该模型与雾霾图像成像模型的相似性,将基于暗原色先验的雾霾图像增强改进算法应用到雨雪图像增强算法中,在去除图像中雨雪的同时增强了图像的清晰度。在沙尘图像增强处理方面,本文对比了雾霾图像和沙尘图像的RGB直方图,根据雾霾图像的RGB三通道直方图分布一致,而沙尘图像因为大部分蓝光被大气粒子吸收,其RGB直方图分布不一致这一发现,分析沙尘图像色偏产生原因,校正图像的偏色使图像符合场景的真实颜色。最后对校正后的图像采用改进的暗原色先验算法增强,在去除沙尘的同时提高图像的清晰度。