户外拍摄的图像受天气(雾、雨雪、阴天)、运动、光照不足等不利因素影响会产生严重的退化,这不仅影响图像的视觉效果,而且会造成图像重要细节丢失,使其使用价值降低。因此,提高这些受不利因素影响的低质图像的清晰度具有重要意义。本文仅对因雾天和运动模糊造成的低质图像进行清晰化的方法研究。其主要工作如下:(1)图像去雾,对雾天条件下获取的图像进行清晰化处理。首先分析和比较了暗通道先验算法、非局部图像去雾算法等几种经典的图像去雾算法,并在此基础上,提出了一种基于条件生成式对抗网络的图像去雾算法。新算法在网络结构、损失函数上进行了尝试和改进。首先,新算法使用Dense Net代替传统的U-net作为生成器的网络结构,使用Patch-GAN作为判别器的网络结构。其次,利用预训练视觉几何组(VGG)模型和全变分正则化梯度对损失函数进行修正。新算法是一种端对端的去雾算法,无需估计透射图和相关雾霾特征就可得到去雾后图像,能够适用于多种场景。新算法能有效降低传统方法去雾后产生的光晕现象和去雾不彻底的问题,且能更好地保留原图像的细节。实验结果显示,改进使其结构相似性指标从76.9%提高到93.4%。(2)图像去运动模糊,对由于拍摄设备与目标物体发生相对位移造成的图像模糊进行清晰化处理。在对几种经典的去模糊算法研究的基础上,提出了一种结合重叠组稀疏全变差和非局部全变差模型的图像去模糊数学模型。算法首先对模糊图像进行预处理即图像去噪,然后利用Radon变换求解出模糊图像的模糊核大小,最后利用建立的图像复原数学模型得到清晰图像。实验结果表明,提出的算法能够清晰的复原模糊图像,且能更好地保留图像的纹理细节。