当前，在航空航天、天文观测、军事等众多领域，计算机视觉系统获得了广泛应用。同时对系统稳定性的要求也随之提高，需要系统具有抗各种天候因素变化的能力，即要求系统具有全天候性能。为了保证视觉系统能全天候正常地工作，必须对于这些系统抗天候变化能力进行检验，以便尽量使系统能够适用于各类天气状况，提高系统的鲁棒性和可靠性。然而检验系统抗天候变化能力需要产生各种复杂天气下户外场景的图像作为测试图像，以减少大量外场试验所带来的成本问题。本文研究的目的便源自与此。 基于上述目的，考虑到该课题的复杂性和庞大性，限于时间关系，本文仅研究了其中的一个部分，即雾天户外场景图像，本文对其作了详细深入地研究。文中，首先分析了数字图像雾天降晰原理，在Allard定律基础上通过光照几何学模型建立了雾单散射模型，在大气辐射传输方程(RTE)的基础上推导出了雾多次散射模型。接着，在上述模型的基础上形成了户外场景图像的雾天退化算法。在退化算法中，还建立了关于雾中景物颜色的二色模型和确定景物深度的方法——深度启发法。最终的实验结果表明：本文的退化算法能够较好的实现清晰户外场景图像的雾天退化。 此外，除了用于退化外，本文还进一步推广了雾天大气退化模型的应用，发展出一种新的基于雾天图像的测雾含水量的方法。从仿真结果及分析来看，该方法可以取得较好的测量精度。为雾含水量的自动测量提供了一个新的思路。