计算机视觉在已然成为了智能领域的重要分支和各个学科的基础数据来源,在视频监测、无人驾驶、三维重建等领域,计算机视觉都占有着举足轻重的作用。但在实际情况中,户外成像设备往往受到了恶劣天气的影响导致获取到的图像模糊不清,不符合人眼视觉感受。尤其在雾天或霾天,由于悬浮在大气中的悬浮微粒对光线的散射吸收作用而导致获取到的图像细节信息减少、色彩退化。特别是我国近年来秋冬季节中愈演愈烈的雾霾天气,极大程度地影响了户外图像采集设备获取图像的质量。这些在雾霾天气下获取到的图像往往具有对比度低、色彩偏灰、亮度较大等特点。所以为了使成像设备在雾霾天气下采集到的图像符合人眼视觉,需要图像去雾方法使得雾天图像清晰化。观察雾霾天气获取到的图像,发现图像中的远近景信息亮度不一且所蕴含的细节信息差异较大。所以本文针对雾天浓度不均匀的图像,提出了一种清晰化算法。首先,提出了一种改进的单尺度Retinex算法。算法中比较了传统单尺度Retinex算法中的对数函数与Sigmoid函数对图像的展宽效果,发现Sigmoid函数对雾天图像的直方图有相对优越的结果。由于单尺度Retinex算法本身的特性,使得改进后的算法对图像的暗区域有较好的增强效果。其次,将雾天图像的亮度分量进行了多尺度几何分析,将包含图像大多数细节信息的低频分量与包含图像大多数边缘轮廓信息的高频分量分别进行处理。图像中的大多数噪声都存在于边缘轮廓当中,所以本文提出了一种快速双边滤波算法,使得对图像进行保边去噪的同时,减少算法运行时间。然后,对亮度分量的低频信息进行细节增强,并提出了一种平衡雾天图像远近景信息的方法。由于雾天图像往往亮度偏大,所以本文中对低频分量取反后再使用对暗区域有较好增强效果的改进单尺度Retinex算法进行处理,将处理后的图像再次取反,并且与直接进行改进的单尺度Retinex算法处理后的图像进行线性叠加,通过调整线性叠加公式的系数来调整增强后雾天图像的远近景的平衡。最后,由于雾天图像的色彩偏灰,所以针对雾天图像的饱和度分量,提出了一种颜色拉伸方法,将原本较小的彩色范围映射至较大的区间。这样使得增强后的雾天图像不仅可以展示清晰的景物细节,并且色彩更加符合人眼视觉感受。通过主观评价指标发现,本文算法处理后的雾天图像在视觉上有更好的可观察性与可观赏性。通过客观评价指标发现,本文算法相较于其他算法,在标准差、信息熵、峰值信噪比和运行时间上都呈现了相对较好的结果。