图像增强和图像复原是为了突出图像中某些细节信息,以利于人眼的视觉观察或计算机后续分析处理。雾霾天气,由于大气粒子的作用,获取的图像对比度一般较低,影响了它的应用,使得现有视频监控、目标跟踪实际应用等对天气非常敏感。为提高系统的鲁棒性,国内外众多研究人员分别从图像增强和图像复原两个方面对雾天图像清晰化进行了广泛的研究,取得了许多研究成果,由于本身问题的复杂性,现有算法都不能够很好的解决此清晰化问题,因此对雾天退化图像进行有效处理具有重要的理论和实际意义。基于上述研究背景,本文详细分析了雾天图像的降质机理,致力于对现有一些算法改进、完善,以及在新方法引入等方面做了一些研究工作,本文主要的贡献归纳如下：(1)提出了一种改进的Retinex图像增强算法。克服了Retinex增强方法中传统的中心/环绕函数在处理快速变化的范围内,明暗对比处产生的光晕现象,提高了图像的对比度并很好的保持物体的颜色。通过引入各项异性滤波器设计方法,对多尺度Retinex增强算法进行了改进,由像素点处的灰度梯度确定各向异性滤波器长轴方向。给出了具体算法流程,并就实际雾天图像进行了增强仿真实验,结果证明了该方法的有效性。(2)提出了基于人眼视觉特性的雾天图像对比度增强方法。介绍了带参数的对数图像处理,算法利用人眼视觉特性将雾天降质图像的亮度分量分割成为几个特性相似的区域：德弗里斯区域、韦伯区域、饱和区域以及低对比度区域,然后对各子图像采用改进的对比度受限自适应直方图均衡增强后比例融合。最后给出了改进的算法流程,仿真实验验证算法可以增强雾天图像的对比度和细节,验证算法的有效性。(3)提出了单幅图像的复原算法。分析了大气衰减物理模型,介绍了传统的使用多幅不同雾况下完全相同场景下的图像复原方法,该方法可以达到较好的处理效果,但如此严格输入要求限制了算法的使用,特别是在实时应用中。通过引入暗原色先验信息,结合雾天图像的退化模型,对基于暗原色的单幅图像去雾算法进行了改进。通过对包含天空区域的图像进行自动分割,由分割得到的天空区域最亮像素的10%的均值作为大气光的估计,在图像不包含天空区域或天空区域难以自动分割的情况下,利用传输图等信息,推导出大气光的估计,以提高大气光估计的精确性。给出了改进算法实现的主要步骤和一系列的雾天降质图像的复原仿真实验,结果比较分析表明了所提出算法的有效性。论文对雾天降质图像清晰化算法进行研究与探讨,并通过几种不同方法对原有算法进行改进,几组不同图像清晰化仿真实验结果验证了论文中提出算法的有效性。