近年来,低对比度环境条件下的光学成像系统目标识别,是我国发展战略项目中的重点研究方向。偏振成像技术具有“穿云透雾”的优势,通过采集同一目标场景的不同偏振角度图像,来增加图像的探测信息维度。因此,偏振成像技术可对受到混沌介质影响的雾霾图像进行清晰化处理。在雾霾等恶劣天气条件下,户外光学成像系统性能降低,导致采集的图像质量下降、图像细节丢失。本文针对交通图像受雾霾天气影响,使得道路交通能见度变差,而无法准确识别交通场景的问题,论文研究了基于渥拉斯顿棱镜的同时偏振成像系统的图像处理算法。主要研究内容如下:首先,对基于渥拉斯顿棱镜的同时偏振成像系统进行总体设计。针对目前的同时偏振成像系统使用探测器数量过多,系统的成本和复杂度过高等问题,设计了共用一套前置物镜和成像探测器的偏振成像系统,实现一次曝光即可同时获取四个不同角度的偏振图像。设计双轴分口径会聚成像,将两束正交的偏振状态光分别会聚成像,减小了偏振图像像差,便于后期图像处理。其次,对图像的配准算法进行研究。研究了基于点特征的SIFT配准算法,针对该算法未能去除部分边缘点,导致特征点误匹配、处理时间长的问题,提出了一种改进的SIFT与基于随机抽样的RANSAC算法相结合的优化配准算法,进一步去除误匹配点对,提升图像的配准率及处理速率。利用改进的配准算法,完成对同一目标场景的四幅偏振图像的配准。最后,对交通图像的去雾算法进行研究。针对提高大气光的准确估计问题,研究了利用目标和大气偏振信息的偏振去雾算法。采用融合梯度信息的高斯滤波对四幅偏振图像进行差分滤波,估计出对应的大气光图像。提出了一种四叉树子空间划分的搜索方法,在大气光图像中估计无穷远处大气光强,构建改进的偏振去雾模型,实现雾霾雨雪天气下的交通图像清晰化。利用本文设计的偏振成像系统,在雾霾等恶劣天气下采集交通场景的四幅偏振图像,通过对多组实验获取的图像去雾结果得出,本文改进的偏振去雾算法各项评价指标要优于暗通道先验和Stokes矢量偏振去雾算法。