雾天环境下,由于大气的散射作用,导致户外监控系统捕获的图像对比度低,景物不清晰的现象,给人类的生产生活带来了一定的影响,因此对雾天条件下降质图像清晰化方法的研究具有重要的意义。目前针对雾天图像的清晰化处理方法主要分为基于模型的图像复原方法和非模型的图像增强方法,本文从图像增强的角度进行研究,主要工作分为以下几个部分。首先,本文详细地归纳了数字图像增强技术的研究现状,以传统空域和频域增强算法为理论基础,总结了其在图像增强领域的研究成果。其次,介绍了模糊集理论的发展历程及其在图像处理方面的应用,阐述了模糊增强的基本思想,分析了Pal算法在图像增强方面的应用,并指出了其在图像增强方面的不足,归纳了其他学者在其基础上进行的一些改进算法,最后在总结其他学者对模糊增强算法改进的同时,针对模糊增强中的模糊化函数和模糊增强算子提出了两种新的方法：一种是改进的全局模糊增强算法,另一种是改进的局部模糊对比度增强算法。最后,针对传统图像增强算法在增强图像信息的同时增强了图像的噪声,采用小波多尺度分辨分析和模糊对比度增强算法相结合很好地解决了传统图像信息与噪声被同时增强的这对矛盾。由于图像的主要轮廓主要体现在低频部分,而细节与噪声部分则主要体现在高频部分,因此,采用基于小波多尺度变换技术可以很好的将图像近似信息与细节、噪声很好的区分开来,对变换后得到的低频分解系数进行模糊增强处理,对高频分解系数采用阈值去噪法把主要噪声信息滤除,很好的消除了噪声对图像增强效果的影响。实验表明,采用基于模糊集和小波变换理论相结合的增强算法,在增强图像信息的同时可以对附加的噪声进行滤除处理。