提高光学成像系统在复杂环境下的目标识别能力是一个极具现实意义的研究课题,一直备受关注。偏振成像技术能够利用多维偏振信息很好的识别复杂场景中的目标。本文对偏振成像技术中若干关键问题进行研究,旨在优化偏振成像系统在复杂环境下的目标识别能力。本文主要工作如下。进行非均匀照度条件下金属表面损伤检测,结果表明偏振度和偏振角图像比传统光强图像的目标识别能力更强。针对现有偏振角图像表征方法存在的不足,提出基于三维HSI彩色空间的偏振角图像表征方法,在降低表征噪声的同时使图像更符合物体形貌特征。虽然偏振成像技术可以降低非均匀照度的影响,但是低照度条件下图像存在较强噪声仍会严重降低偏振图像的对比度。针对这个问题,本文在传统偏振成像对比度优化方法的基础上,基于多维偏振图像的内在关联性,提出一种偏振图像联合去噪方法,并在理论上证明使用正四面体测量矩阵进行优化时,图像Fisher比可以提高一倍。实验表明本方法可以有效降低偏振图像的噪声,提高图像对比度。本文最后研究了散射介质环境中的偏振成像去雾方法。针对强散射环境,本文研究了经典去雾方法中的关键参数——散射光偏振度,基于圆偏光的保偏特性,提出一种散射光偏振度估计方法,不仅提高了偏振去雾方法的效果,而且简化了去雾算法。特别的是,现有偏振去雾技术虽然能获得较好的去雾效果,但是只能得到场景一维光强图像而不能获得场景的偏振信息。针对这点不足,本文提出了一种获取散射介质中目标偏振信息的偏振去雾方法。在本方法中,用Stokes矢量描述散射环境中的目标光和散射光的完整偏振态,基于这一物理模型,利用多维偏振参量获得场景的三维偏振图像信息,然后设计符合偏振物理意义的图像融合方法,输出彩色图像表征场景的偏振信息,大大提高了偏振去雾技术的目标识别能力。