在无强光干扰的烟雾场景中,利用图像增强、图像复原、深度学习等方法可以有效地恢复烟雾中隐匿的目标信息。当成像场景存在强光干扰时,除烟雾散射的影响外,场景中的强光会导致目标信息被强光淹没,目标难以分辨和重建。为解决这一问题,本文研究了强光烟雾场景中大气透射比、强光照度、强光角度对目标图像重建的影响规律。在此基础上根据烟雾图像和强光干扰信息的平滑度差异对烟雾图像进行分离。在对烟雾图像预处理后,基于Retinex算法实现目标图像的重构。本文研究对火灾救援、战场侦察、海上探测、灾难预警以及雾天驾驶等强光烟雾场景中目标的探测和成像有显著的现实意义。本文具体内容如下:（1）强光干扰对透过烟雾成像的影响。在分析雾天图像的退化机理基础上,选取暗通道先验、同态滤波、直方图均衡化三种常见去烟雾成像算法为参考,探究强光烟雾场景复原图像变化规律。在模拟强光烟雾实验的基础上,研究了大气透射比、强光照度、强光角度对烟雾图像的影响。当大气透射比低于0.4时,三种算法对无强光烟雾图像重建效果几乎为0;加入强光后重建图像质量和有效恢复距离将同时降低,强光在大气透射比0.4-0.55区间内对图像重建干扰最严重。强光与成像光轴夹角为30°、90°,垂直烟仓上表面方向重建图像质量随照度变化的规律存在较大差异,其对图像复原质量衰减影响的顺序由强到弱依次为:30°、90°、垂直烟仓上表面方向。（2）强光烟雾图像的分离与重建。在传统大气散射模型的基础上结合强光的传输规律以及强光烟雾图像的信息分布,建立强干扰光下的大气散射模型。在此基础上根据烟雾图像和强光的信息平滑度差异,得出其在灰度梯度上的分布规律,将强光烟雾图像的分离提取转化为最大联合概率分布求取问题,通过调节平滑度因子和调和因子实现烟雾图像从原始图像的分离。获取分离图像后,利用中值滤波和灰度Gamma矫正算法使图像更加接近无强光干扰下的烟雾图像,接着根据重建图像质量结果确定了最佳的矫正参数分布区间1.2-1.4,最后利用Retinex算法实现强光烟雾图像的重建。经过本方法重建的强光烟雾图像较传统透烟雾算法EN最高提升25%、AG最高提升80%、SF最高提升120%,视觉效果有明显提升。