雾、霾等天气情况下,大气中微小粒子的散射作用,使获取的图像对比度降低,质量下降,影响了图像的视觉效果,不仅对图像特征的提取造成干扰,而且使户外监控系统无法可靠运行。因此,研究有效且快速的去雾方法,使雾天降质图像清晰化具有重要的实际意义。本文介绍了大气散射模型,分析了雾天降质图像降质的物理原因,并深入研究了基于暗通道先验的图像去雾算法。针对基于暗通道先验的图像去雾算法中软抠图计算量大、时间复杂度高的问题,利用改进的多尺度最小值滤波对透射率进行优化,经实验验证改进的算法提高了算法运行速度,并保持了图像去雾的效果。针对暗通道先验算法进行去雾后的图像颜色暗淡、局部信息不突出的问题,提出利用限制对比度自适应直方图均衡算法对图像进行对比度调节,实验表明,该方法能有效地增强图像对比度和提高图像的整体亮度。针对基于多尺度的Retinex的图像增强算法中运行效率低和去雾后颜色暗淡的问题,提出对HSV颜色空间中亮度分量进行多尺度的图像增强,并利用拉普拉斯算子对图像进行边缘提取,从而有效地提高了算法运行效率,且获得了较好的去雾效果。本文引入雾浓度的度量标准,将户外场景下的雾天降质图像进行分类,构建雾天降质图像的自适应清晰化处理系统,充分利用本文所提出算法的优缺点,实现自适应清晰化处理,通过实验验证了本文所提出算法的有效性和实用性。