雾霾是一种常见的自然现象，它是由悬浮在大气中的大量微粒的作用产生的。在雾霾天气条件下，悬浮微粒对光线的吸收、散射和折射等作用，导致捕获的图像对比度降低、饱和度下降以及色调偏移，极大地限制和影响了各种户外视觉系统效用的发挥。因此，雾天降质图像的清晰化处理已成为计算机视觉和图像处理领域的研究热点，各国研究人员都展开了相应的研究。　　由于图像去雾技术的复杂性和特殊性，还有很多问题值得进一步研究和完善。本文从单幅图像去雾、视频去雾和去雾图像质量综合评价三个方面出发，针对图像去雾技术和质量评价方法中存在的不足，探索图像去雾的新理论和新方法，构建去雾图像质量评价的新模型，为提高恶劣天气条件下视觉系统的工作性能提供一定的理论支撑和技术支持。本文完成的主要工作和取得的研究成果如下：　　（1）针对Retinex方法和暗通道先验理论存在的不足，从图像增强和图像复原的角度出发，提出了一种基于暗通道先验和Retinex理论的单幅图像去雾方法。首先，利用最小值和最大值通道图对大气光的值域范围进行讨论，并对大气光值进行估计；然后，从最小值通道图出发，利用暗通道先验知识和Retinex方法得到介质传输率的初始和粗略估计，通过图像融合、快速联合双边滤波和值域调整得到介质传输率的最终估计；最后，利用大气散射模型，通过反演变换和色调调整实现雾天图像复原。该方法将Retinex理论和暗通道先验理论相结合，取长补短，提高了介质传输率的估计精度，同时将算法复杂度降低为图像像素数的线性函数。实验结果表明，本文所提方法具有较快的运算速度，能有效提高复原图像的清晰度和对比度，同时获得较好的图像颜色。　　（2）为了进一步提高复原图像的去雾效果和算法的自动化程度及自适应性，以暗通道先验和Retinex理论为基础，采用区间估计的方式，从两个不同的角度对大气光值和介质传输率的估计进行改进和优化，提出了两种单幅图像去雾方法。两种方法均采用区间估计的方式对大气光值进行估计，并引入白平衡对大气散射模型进行简化，同时利用自适应值域调整的方法对图像中天空区域的介质传输率进行修正，其中第二种方法还采用区间估计的方式对介质传输率的粗略估计进行优化。实验结果表明，采用区间估计的方式能进一步提高大气光值和介质传输率的估计精度，从而有效提高复原图像的去雾效果。另外，两种方法均采用自适应调节参数，从而提高了算法的自动化程度和自适应性。　　（3）为了提高视频的去雾速度，同时获得较好的去雾效果，以雾气理论为基础，将图像去雾的方法扩展到视频去雾领域，提出了两种基于雾气介质传输率理论的视频去雾优化方法。两种方法均针对摄像头处于固定状态的情况，利用暗通道先验知识，采用Retinex方法或区间估计的方式，对背景图像求取的大气光值和介质传输率进行优化并应用于视频的每一帧以去除雾气。由于大气光值和介质传输率在整个视频去雾过程中保持不变，从而提高了视频的去雾速度，同时避免了去雾结果中出现颜色跳变的情况。另外，暗通道先验理论和Retinex理论或区间估计相结合的方式能够对大气光值和介质传输率的估计进行优化，从而提高了去雾视频的清晰度和对比度，并获得较好的视频颜色。　　（4）考虑到去雾图像质量评价方法较少，且已有评价方法存在一定的局限性，在分析和总结已有图像质量评价方法的基础上，提出了一种基于视觉感知的去雾图像质量综合评价方法。该方法采用边缘加权结构相似性测度对去雾图像中 Halo效应的影响进行衡量，利用归一化灰度差对去雾图像的亮度进行度量，采用色彩加权还原度对S分量平面的信息熵和信息相似度进行计算，最后利用边缘加权结构相似性测度、归一化灰度差和色彩加权还原度构建去雾图像质量综合评价模型。实验结果表明，本文提出的去雾图像质量综合评价方法能够获得与人眼主观评价基本一致的结果，具有较好的有效性。