在雾、霾等天气条件下拍摄的户外图像,由于受到大气悬浮粒子的吸收和散射作用会产生对比度下降、颜色失真等退化现象。这些退化严重影响着户外视觉系统的发挥。目前,针对光照均匀(白天)场景的雾天图像复原研究取得了显著的成果,然而针对光照不均匀场景(夜晚)的雾天图像复原研究较少。相对于白天雾天图像,夜晚雾天图像具有整体亮度低、光照不均匀、偏色和噪声大等特点,去雾难度更大。因此,本文针对夜晚雾天图像复原算法进行研究。本文的主要工作包含以下两个方面：(1)本文从夜间雾天成像规律出发,给出了符合夜间场景的雾天图像退化模型,并据此提出了基于光照估计的夜间图像去雾算法。一方面针对夜晚随机分布的多光源,提出了不均匀光照估计和光源颜色的估计：提出多层阂值分割算法检测光源区域；根据光传播衰减规律和几何假设求解粗略不均匀光照图；然后引入亮度约束、下界约束和局部光滑约束对粗糙光照图进行修正；并统计光源区域的颜色属性来进行颜色校正。另一方面,针对目前各种白天去雾算法假设不适用于夜晚图像的问题,提出基于信息熵的传输图粗估计方法；并利用引导滤波器对粗糙传输图进行修正。在不均匀光照估计和传输图估计的基础上,将其带入夜晚雾天成像模型,实现夜晚雾天图像的复原。(2)直接利用成像模型(模型没考虑噪声)进行复原会放大噪声,这是当前雾天图像复原算法普遍存在的问题,对高噪声的夜晚图像问题尤为突出。针对这一问题本文提出了基于图像块先验的EPLL图像复原算法,在去雾的同时利用学习的先验模型对噪声进行约束。首先,分别针对通用清晰图像库和类似场景清晰图像库,利用最大期望法获取基于图像块的混合高斯先验模型；在EPLL优化框架下,利用2范数和先验模型构造代价函数,并利用半二次分解优化算法对其进行求解,得到抗噪的去雾效果；另外,提出了一种基于图像质量评价的迭代策略进行噪声水平估计,更加准确的噪声估计有利于半二次分解优化算法的参数确定,从而提高复原效果。