在雾天条件下，户外环境的视觉系统获取的图像的对比度和颜色会出现严重的退化，使得民用领域或是军事领域中很多重要的监控系统难以正常工作。因此在计算机视觉系统中，有必要引进能使雾天图像得到有效处理的机制，对受天气影响的图像进行复原，进而减小天气对图像质量的影响。为了实现视觉系统能在恶劣天气继续全天候工作，提高系统的鲁棒性和可靠性，对雾天条件下获取的退化图像进行复原方法的研究具有现实意义。　　 论文应用自适应遗传算法对雾天图像进行优化阈值分割，并在此基础上对退化图像进行有效的还原处理。主要工作包括：　　 第一，将遗传算法的优化特性应用到最佳熵算法、最大类间方差法及Fisher准则函数分割算法中，对基于最佳熵算法的遗传分割算法、基于最大类间方差的遗传分割方法、基于Fisher准则函数算法的三种图像分割方法进行实验仿真比较，验证了基于Fisher准则函数算法的遗传分割方法的实时优越性。　　 第二，从减少遗传算法陷入局部最优点及提高遗传算法全局搜索能力的角度出发，进一步研究了基于Fisher准则的自适应遗传分割算法。通过实验仿真，得出了分割算法中的最佳遗传算子，并运用该方法对雾天图像进行阈值分割，得到优化的灰度阈值结果。　　 第三，采用自适应遗传分割算法对雾天图像优化分割成两部分并分别进行图像的复原。由于雾天图像远景部分灰度分布比较集中，接近天空亮度；而近景灰度分布相对均衡，能比较清晰地分辨，因此分别采用McCartney模型及直方图均衡化的恢复方法进行综合处理，得到图像复原结果。通过实验分析和验证，该方法能有效地改善雾天图像的退化现象和提高图像清晰度。此外，运用本文中的方法对各种天气下所拍摄的图像进行仿真实验并对结果进行对比，验证了基于McCartney模型的恢复方法对远景处理的实用性。　　 最后，对本文的研究工作进行了总结，并提出了有待进一步研究的关键技术和发展方向。