近年来,随着全球环境污染程度的日益严重,雾、霾等极端天气在各城市发生的频次、强度不断增加。这些恶劣的气候条件致使能见度大大降低,各种图像采集设备采集到的图像模糊不清,信息大量缺失,影响人们视觉的同时,给人类日常工作生活各领域带来了重大影响,如影响交通监控、目标跟踪以及卫星成像等,因此对降质图像的增强技术已成为近年来图像处理领域的研究热点之一。本文主要针对雾霾天降质图像,如户外监视系统、交通监控等,其成像景深范围宽,近景清晰,远景受烟雾或粉尘等影响会比较模糊;飞机、探空气球和飞艇等载体对地空背景的成像,由于成像的高度较高,受大气环境的影响较大,在雾天雨天环境下,整幅图像中的景物会模糊不清。首先分析了雾霾天图像的成像模型,深入讨论雾天成像过程,将多散射模型引入去雾处理,通过对多散射模型的分析与解读,相比于晴朗天气,雾天成像所获得的图像含有较少的信息量;其次针对成像模型的特点,对比了目前国内外较流行的图像增强算法,并加以实验对比。总结了关于图像增强领域的相关技术,并对这些原理进行了一定的介绍,同时指出各个原理的优点与缺点,针对传统Retinex算法的缺点(计算量大、运算复杂度高、光晕现象等),通过对整幅图像进行分块处理,改进了 Retinex算法,有效地改善了图像的视觉效果,同时降低了计算量,并减少了运算复杂度,同时通过实验的方式进行了验证。为了提高运算效率,本研究还提出了基于HSV色彩空间的自适应局部Retinex算法,该算法在保持细节信息的同时,还进行了色彩的恢复,有效地让运算速度进一步提升。在文章最后,从效果的明显性和算法的高效性以及能量梯度、平均信噪比等图像评价指标,对实验结果进行了分析和评价,给出了结果图以及评价指标图。实验结果表明,相较于传统的去雾霾技术和手段,本研究中改进的自适应局部Retinex算法,明显的提高了雾霾天图像的色彩清晰度和对比度,图像质量有明显改善,细节系列更加突出,视觉效果良好。