近年来，大多数新算法都是在各种原算法基础上发展而来的，通过改进这些算法的性能，在处理某些特定图像和特定噪声时取得了较好的效果。但要想彻底摆脱图像多样性和噪声复杂性的困扰，就必须将自适应机制、自组织能力、自学习能力与传统的成熟滤波算法相结合，因此，对图像自适应清晰算法研究具有重要的实用价值。　　 在图像清晰化应用中，对具有实时性要求的视频处理系统，往往要求自适应清晰算法应有较低的复杂度，只有复杂度较低的自适应算法才能够满足实时视频图像的要求，所以，对自适应算法的优化将是实时视频系统应用的难点。非雾天条件下，图像模糊一般较轻，常采用图像增强或图像复原算法进行处理就能获得较为理想的效果，而对于雾天户外图像的退化现象，由于能见度低，图像退化往往较严重，用常规的图像增强或图像复原算法处理很难取得较好的效果，目前多采用大气散射物理模型的方法复原雾天退化图像，该模型的优点是处理后的图像质量较好，缺点是往往缺少参数信息。　　 针对实时视频图像的应用，本文提出了基于自适应邻域的，具有较低复杂度的图像清晰算法，该算法通过保留线性滤波和非线性滤波算法的优点，能够较好的抑制由白噪声和冲击噪声引起的图像退化，其适合应用于非雾天视频图像的退化；对于雾天条件下的户外退化图像，提出了一种基于大气物理模型的、具有自适应性的景物影像清晰算法，即通过最佳近似正态分布求解天空亮度，然后采用单帧图像的灰度直方图选阈值的方法分割景物，从而确定出景点深度相同的区域，最后根据同深度区域内的像素点建立方程组并求解，可得归一化辐射率的值，即可得复原后的清晰图像。　　 经大量的对比实验表明，本文提出的两个自适应清晰算法对退化图像的清晰处理效果较好。