雾霾天气，景物的能见度大幅降低，导致交通瘫痪、高速封锁、船舶停航，亟需找到恰当的方式补偿人眼在雾霾天气的局限性；另一方面，道路监测、安防监控等计算机户外监控系统，往往需要清晰的输入图像。雾霾天气时，图像对比度低，颜色保真性差，这对以提取图像特征为基础的智能识别、目标跟踪等的准确性造成了严重威胁。因此，降质图像的清晰化处理具有重要的现实意义，受到了越来越多学者的关注。本文采用基于物理模型的图像复原方法进行雾天降质图像的清晰化处理。通过对雾天图像降质原因的分析，确定以大气散射模型作为雾天图像成像的近似模型，利用暗原色先验算法获取雾天图像成像模型的相关参数，进而反推出场景真实信息。本文针对暗原色先验算法在获取相关参数时的三点不足做了详细剖析，并提出相关改进方案。首先针对原算法在通过最小值滤波求取暗通道时，采用的固定窗口滤波方式会使求取暗通道最优解时普适性差，提出了自适应窗口估计方法，使其可以根据图像大小选择合适的滤波窗口。针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时，会产生严重色彩偏移的不足，提出了一种基于像素点的透射率修正方案。通过以暗通道亮度与大气光的数值接近度为主，R、G、B三通道间数值接近度为辅的阈值分割方法作为明亮区域的判定条件，对判定为明亮区域的像素点，采用容差机制纠正错误估计的透射率，非明亮区域仍采用原透射率求取方式。为去除复原图像的“光晕”，恢复图像细节，原暗原色先验算法采用抠图算法精细化透射率，但其在求解拉普拉斯线性稀疏方程组时会耗费大量时间，使算法效率低下。本文采用指导滤波算法替代原抠图算法，不仅具有良好的边缘保持特性而且它只是基于优化的抠图算法的一次Jacobi迭代，具有线性的时间复杂度。本文将三处改进结合起来，共同处理一幅雾天图像，使去雾范围不再受限，且使去雾效率大幅度提升。经大量实验证明，对任意一幅有雾图像，均能还原其清晰自然的本貌，几乎无色彩失真。最后，本文将改进算法首次应用到了对雪天模糊图像的处理中，雪花去除效果良好，拓展了现有暗原色先验算法的应用范围。