随着经济发展和工业化加剧,大气环境质量变差,大雾天气时常出现。在此天气条件下拍摄到的图像很容易产生退化。与此同时,成像过程中系统也会有不稳定因素,如采集图像时成像系统发生振颤。当以上两种导致图像退化的因素同时发生,会产生质量很差的带雾模糊图像。而国内外对于这种双重因素导致的退化图像的复原方法研究不多,研究局限于单一退化因素,比如图像去雾或图像去模糊。本文针对这一情况,展开了如下三部分研究:（1）提出了一种新的描述带雾模糊图像的退化模型。该模型基于已有的大气散射模型和模糊退化模型,结合具体的在雾天由于系统振颤采集到的带雾模糊图像的物理过程。假设大气退化过程和振动引起运动模糊的过程是相互独立的,推导了一个新的可以描述以上双重退化因素的图像质量退化模型。模型推导过程中,结合具体情况,做了相应的数学近似,可以简化运算。仿真实验表明,该模型可以有效地表达带雾模糊图像的退化过程。（2）提出了一个基于序列带雾模糊图像的复原方法。该方法基于本文提出的带雾模糊图像的退化模型。首先通过暗通道先验原理对大气光值透射率进行估计,将图像复原问题转化为盲解卷积问题。然后提出了一种基于贝叶斯后验概率模型的序列图像去模糊方法,该方法利用自然图像梯度先验和基于₁l范数的稀疏模型先验对潜在清晰图像和点扩散函数进行正则化。采用迭代地交替最小化方法优化求解问题。合成图像和实拍图像的实验结果表明,该方法能有效地恢复图像,增强图像质量。（3）设计并开发了一个基于序列图像的图像质量增强系统。该系统综合考虑了本文所提退化模型和复原方法,能够合成带雾模糊图像,对合成的和实拍的带雾模糊图像进行图像质量增强工作。