如今,各种智能系统已经运用到我们的实际生活中,比如智能交通,安防监控系统,导航系统等,这些系统运行需要高质量的图像,然而在沙尘天气下,这些系统获取的图像质量将严重降低,图像细节模糊不清,存在严重的色偏现象,对比度和清晰度比较低。这大大限制了智能监控视频的运用,因此研究沙尘图像清晰化算法,提高沙尘图像的质量具有重要的意义。本文系统研究了沙尘图像的特点,从两个大方面,即图像增强和图像恢复的角度,提出了针对沙尘图像的的清晰化算法。具体研究工作如下:(1)针对沙尘图像存在颜色偏移、对比度及清晰度低导致图像质量严重下降的问题,提出一种限制对比度直方图均衡(Contrast limited adaptive histogram equalization,CLAHE)和改进多尺度Retinex彩色恢复(Multi-Scale Retinex with Color Restoration,MSRCR)相融合的沙尘图像增强方法。融合算法去除了颜色偏移,实现了颜色保真且大幅度提高了图像的对比度和清晰度。仿真实验证明,融合算法弥补了两种方法的缺陷,恢复的图像颜色自然,对比度清晰度高,显著提高了图像质量。(2)针对沙尘图像存在颜色偏移、对比度及清晰度低的问题,本文提出了一种基于YUV的沙尘图像增强方法。该方法首先把RGB沙尘图像转到YUV空间,首次在YUV空间实现了颜色偏移的校正,然后利用改进的多尺度Retinex算法(Mutiple scale Retinex,MSR)对Y分量处理以减少空气中散射光对图像的影响来提高清晰度,接着线性拉伸Y分量以便在显示屏上显示Y分量,最后用CLAHE再次对Y分量增强,提高整体的对比度并增强图像的细节。实验结果表明,与对比算法相比,所提算法恢复的图像颜色自然,细节清晰明亮,整体视觉效果好,且能满足实时性。(3)针对沙尘图像存在颜色偏移、对比度及清晰度低的问题,本文提出一种翻转蓝色通道先验-(RBCP)的沙尘图像恢复方法。该方法提出翻转蓝色通道先验(RBCP),接着运用RBCP估计出大气光和传输图,进而恢复出沙尘图像,复原后的图像显著地提高了图像的可视性;估计传输图时,运用引导滤波改善粗的传输图,并引入容差机制修改空中明亮区域的传输图来解决天空中失真的问题;最后结合灰色世界,在恢复模型中引入自适应颜色调整因子来移除颜色偏移。实验结果证明:与其他最先进的算法相比,通过定量和定性分析,本文所提的方法能有效地复原清晰的沙尘图像,具有较好的视觉效果。