大气中混浊的媒介(比如固态颗粒,水滴等)通常会导致户外拍摄到的图像质量降低,雾、霾、烟都可以通过吸收或散射造成此类现象。此外,观察者得到的光线还混合有大气光(经大气分子反射的周围环境的光线),所以雾霾天图像的对比度和颜色的保真度均有所下降¨。由于大气散射的程度跟景物到照相机的距离有直接关系,所以图像降质是随着空间变化的。根据雾天退化模型,从单幅雾天图像恢复清晰图像是一个病态问题。如今人们对户外视觉系统的清晰度要求越来越高,对户外图像的后续识别处理也要以清晰的图像为基础。而且,由于环境污染等原因,在我国雾霾天气越来越频繁的出现。因此,雾霾天图像清晰化是一个十分具有挑战性的热点问题。本文以图像退化模型、暗原色先验以及Retinex增强方法为理论依据,基于对退化模型的深入分析,研究了雾天图像的清晰化问题。提出了基于景深的尺度变化Retinex图像去雾算法和基于景深的非均匀拉伸Retinex算法,在很大程度上消除了Retinex增强去雾的一些缺点,比如速度太慢,对于不同图像的适应能力不强等。为目前雾霾天图像复原的研究给出了很多思路,特别是首次将Retinex增强和图像景深结合到了一起。文章主要内容有以下几个方面：首先,深入分析雾天图像清晰化的基础理论：雾天成像模型。该模型可以分成两部分,即反射光衰减模型和大气光成像模型。分别介绍这两个模型,为后续的工作作准备。然后,介绍暗原色先验去雾、Retinex增强、Fattal去雾算法等几种目前比较热门,且增强效果较好的雾天图像清晰化算法。在比较不同图像的处理结果后,分析总结他们的优缺点。为后续工作提供理论基础和思路。接着,详细阐述作者提出的算法：基于景深的尺度变化Retinex图像去雾算法和基于景深的非均匀拉伸Retinex算法。并比较处理结果,证明其在很多图像上显示出了优越性。提出一种基于像素熵和对比度的图像质量客观评价标准,以这种标准评价几种算法的处理结果。并且,分析比较几种效果较好的算法的复杂度。最后,对本文的工作进行一次总结,指出本文工作的不足之处,并将不足之处作为以后工作的重点。