在雾霾天气条件下,光电设备采集的图像出现低对比度,颜色失真,边缘和细节模糊等严重的图像劣化问题,直接限制和影响了视觉成像,给目标的识别和判断带来了一定的困难,甚至导致其无法正常工作。因此,为了降低雾霾天气条件对视觉成像系统的影响,对雾霾降质图像进行快速有效的复原处理,具有十分重要的研究意义和应用价值。本文详细地分析了雾霾图像的退化机理,对单幅图像去雾、视频序列去雾和去雾算法的客观评价进行了深入研究,论文提出的方法经过仿真实验证明了其有效性和鲁棒性。本文主要研究内容和创新成果归纳如下:1.针对现有的去雾客观质量评价与主观评价之间一致性不稳定的问题,对传统的图像质量评价与去雾算法质量评价之间的差异进行了分析,将去雾后引入的图像劣化问题归纳为图像可视性差、伪轮廓导致的结构破坏和颜色偏移三类。本文通过图像可视性来衡量去雾前后图像清晰度的变化,将梯度相似性和方差相似性组成结构相似性来度量伪轮廓现象,并采用颜色恢复度来描述颜色偏移现象。最终结合图像可视性、结构相似性和颜色恢复度共同构建新的图像去雾算法质量评价体系。实验结果和数据分析表明:与主流的图像质量评价方法相比,所提出的去雾算法质量评价体系无论是等级相关性、线性相关性还是预测精度都表现更优,和主观评价的一致性更高。2.针对暗通道先验在单幅图像去雾中存在的局限性和缺陷,提出了一种基于局部连续和全局边界的双约束去雾算法。该算法首先结合场景辐射约束和分段平滑约束,从一个新的角度建立了大气透射率的能量函数,并采用α-扩展技术进行能量最小化,优化后的透射率能避免块状效应的产生,并且可以防止去雾后的图像出现像素值溢出的情况。其次,在引导滤波的基础上,通过指数函数和边缘信息构造了一个自适应边缘感应权重,来抑制光晕效应。最后,为了避免场景中明亮物体对大气光估计带来的干扰,通过改进的非重叠暗通道来适当地腐蚀图像中的明亮像素,并采用四叉树分层搜索,来提高大气光估计值的准确性。实验结果和数据分析表明:与主流的去雾算法相比,提出的算法能够复原出色彩更真实、场景清晰度更高的无雾图像,并且对视觉伪影的抑制效果更好。3.针对目前视频序列去雾方法普遍存在的时空一致性不足的问题,本文提出了一种基于时间和空间信息双约束的视频序列去雾方法。该方法通过时间相关项来保持相邻帧之间的时间连贯性,构建了一个空间相关项来抑制长视频序列的累计误差,增强去雾视频的空间一致性。基于相邻帧的像素差异,采用概率模型构建了一个加权函数,利用加权函数对时间相关项和空间相关项进行修正,解决了相邻帧场景深度信息差异较大的情况。并通过更新公式对大气光进行修正,进一步地保证相邻帧之间的颜色一致性。此外,采用了积分图算法和下采样技术对算法的进行加速处理,确保算法在工程应用中的实时性需求。实验结果和数据分析表明:与主流的视频去雾方法相比,提出的方法能更好地对闪烁效应和视觉伪影进行抑制,并且能够保证算法的实时性。