智慧安防是智慧城市的重要领域之一,在安防监控、无人零售等方面发挥着关键作用。随着高清摄像头的普及,视频监控系统已经成为智慧安防领域的核心组成部分。然而监控图像易受雨、雾、霾、沙尘等恶劣天气的影响,导致清晰度下降、颜色失真等问题,严重降低车牌识别、人员检测等的准确度。现有针对恶劣天气下监控图像清晰化的研究主要面向雨、雾、霾等场景,由于沙尘天气中悬浮沙粒对光具有吸收、散射作用,引起偏色严重、锐度下降等问题,导致沙尘天气下监控图像清晰化研究相比于雨、雾、霾等场景更具有挑战性,因此沙尘天气下监控图像去模糊研究是当前亟待解决的问题。目前该研究领域尚处于起步阶段,现有研究成果存在以下不足:（1）当沙尘偏色不一致时,现有算法无法自适应分类处理不同程度沙尘图;（2）对偏色程度浅的图像,现有算法不能降低由于灰度分布集中引起的偏色问题;（3）对偏色程度深的图像,现有算法不能解决由于图像退化程度大引起的亮度不均匀的问题。针对问题（1）,本文提出基于Goog Le Net的沙尘图像分类器,解决由偏色不一致引起无法自适应处理不同程度沙尘图的分类问题。主要使用网络搜集的沙尘图像数据集进行训练,使网络感知器学习不同浓度图像特征,通过卷积网络的迭代优化,最后生成沙尘图像分类器。本文选取网络搜集的142张不同浓度沙尘图进行验证,结果表明,分类器有效完成了沙尘图像分类,其准确度达到了100%。针对问题（2）,提出一种基于对比度增强的沙尘图像清晰化算法。通过直方图均衡化,解决由偏色引起的灰度分布过于集中的问题,使分布更加均衡,降低图像偏色;针对颜色调整后的图像存在细节模糊的问题,使用限制对比度直方图均衡化对子块像素重分配,增加图像锐利度;再结合灰度世界算法和伽马校正,消除沙尘微粒对色彩的影响,提高图像对比度。本文选取六张代表性的图像从平均梯度和峰值信噪比指标方面将所提方法与九种经典图像清晰化方法进行比较。结果表明,本文所提方法在平均梯度值方面平均提升65%,在峰值信噪比方面平均提升34%,有效提升了浅浓度沙尘图像的清晰度。针对问题（3）,结合图像增强和图像复原的优势,提出一种基于改进自动色阶的深度退化图像清晰化算法。针对偏色严重导致的像素灰度偏移问题,采用改进的自动色阶算法对图像像素二次分配,降低图像偏色;融合伽马校正和暗通道算法,对每个像素进行亮度补偿,增强图像锐度;最后结合灰度世界算法,平衡色彩,提高图像对比度。本文选取七张代表性的图像从平均梯度和峰值信噪比指标方面将所提方法与九种经典图像清晰化方法进行比较。结果表明,本文所提方法在平均梯度值方面平均提升60%,在峰值信噪比方面平均提升26%,有效提升了深浓度沙尘图像的清晰度。