图像的清晰化处理技术在我们的日常生活中的应用非常广泛,通过图像增强或者图像复原等方法,可以将图像中所隐含的更多细节信息展现出来,便于人们的视觉观察和后期的分析研究。尤其是在雾霾天气的影响下,由于空气中悬浮着大量的颗粒物质,严重影响了拍摄图像的画面的质量,同时也给后期的应用带来了更大的难度。这样一来,道路监控、户外跟踪等视频监视系统对于恶劣天气条件的适应性就提出了更高的要求,因此对雾霾条件下降质图像清晰化方法的研究具有非常重要的意义。现阶段,对于雾霾条件下降质图像的清晰化处理方法主要集中在基于物理模型的大气退化图像复原方法和从图像处理角度出发的,增强图像对比度的方法。本文在借鉴这两种方法的同时,对现有的图像清晰化方法进行了必要的修正和改善,具体工作总结如下：(1)首先,对降质图像处理技术的起源、原理、以及发展过程做了概括,介绍了国内外关于降质图像清晰化处理的研究现状。然后,通过光在传播过程中受到大气粒子的散射和吸收作用使光的强度减弱的原理,解析了雾霾天气下图像降质的原因。(2)对现有的图像清晰化算法做了详细的分析研究,指出了应用最为普遍的现有图像去雾增强方法—直方图均衡化,及其衍生算法中存在的问题。并针对此不足,依据轻雾和大、浓雾条件下,所采集到的降质图像中,信息损失程度的差异,对传统算法做出了相应的修正。(3)借助软件,对修正后的算法进行了大量的实验验证。并将所得实验数据结果做了详细的分析比对。实验证明,采用本文给出的修正算法,对雾霾条件下的降质图像进行清晰化处理能够取得理想效果。(4)依据实验结果及数据,结合图像评价指标,对本文给出的修正算法进行评估。主要从修正算法的图像处理效果,以及修正算法的时间复杂度两方面出发,对修正算法的各项实验数据进行了仔细分析,进一步证明了本文算法的有效性。文章主要针对,基于直方图均衡化的雾霾降质图像清晰化方法,进行了系统分析和研究。讨论并指出了直方图均衡化及现有的直方图均衡化衍生算法的优点和不足,并针对这些不足,对算法做了适当的修正改进。以此实现,在对轻雾及大、浓雾条件下采集到的降质图像进行处理时,能够在保证保留更为丰富的图像信息的同时,达到大幅提高降质图像对比度,有效提升降质图像增强后的整体图像质量的目的,进而获取到更为理想的雾霾图像清晰化效果。