图像处理技术的迅猛发展,它被广泛应用在交通运输和图像采集等领域,成像设备采集图像或视频的效果易受户外天气的影响。雾、霾、阴雨等复杂环境条件下空气中存在大量的悬浮颗粒,造成采样设备在拍摄图像的过程中受到光的折射和散射的影响,致使设备所拍摄的图像存在颜色失真、对比度下降、细节缺失等不良现象。在图像处理的应用领域,清晰、准确的图像特征对处理结果大有益处。图像去雾技术在白天场景下的研究方法已经取得显著的成效,但是针对夜间图像去雾的研究到目前为止相对较少,夜间场景图像容易受到空气中雾气散射作用和人造光源的影响,导致直接采集到的降质图像存在光照不均、色偏严重等不足,说明白天雾天图像的传统研究方法已经不再适用于夜间场景之中。现有夜间图像去雾算法的应用效果往往存在色差严重、细节模糊和光源处光晕明显等问题。因此本文针对现有研究方法存在的几点不足,对夜间雾天场景图像复原算法进行分析和研究。研究工作如下:1.本文针对夜间雾天场景情况下人造光源的特点和暗原色先验知识应用于夜间场景的不足,提出一种基于改进暗原色先验的夜间图像去雾算法。本文提出了一种夜间雾天图像成像模型,首先依据单尺度Retinex图像增强算法从夜间雾天降质图像中求解出有雾的反射图像和入射图像;其次针对有雾入射图利用相机的成像原理估计出人工光源的位置和人工光源到场景点的距离,并通过形态学操作细化,求解出无雾入射图。将改进的暗原色先验理论应用于夜间有雾反射图像,求得无雾反射图像;然后运用单尺度Retinex算法来增强场景亮度得到初步的夜间无雾图像。最后提出改进的多尺度Shade of Gray算法矫正图像色偏。通过对比几组实验数据证明,本章算法去雾效果好,可以很好的消除场景色偏,同时还能保持图像处理的实时性,大幅提高计算时间。2.本文针对暗原色先验知识应用于夜间场景去雾效果存在的不足,提出了一种基于图像分层模型的夜间雾天图像复原算法,将图像分解为两个部分,分别为结构层和纹理层。本算法通过对图像结构层去雾,对纹理层进行去光晕伪影和抑制噪声处理。利用图像融合技术将复原后的纹理层和去雾后的结构层融合,获得融合图像后,运用图像增强的方法,对图像进行处理,最后获得无雾的夜间复原图像。通过几组实验数据对比并对图像进行质量评价,本章提出的基于图像分层模型的夜间雾天图像复原算法复原视觉效果极佳、图像暗部细节清晰且噪声较小。该论文有图23幅,表5个,参考文献93篇。