经过散射介质（如雾、霾，水体等）成像的图像会严重退化，导致细节丢失、对比度下降以及颜色偏移失真。雾天和水下图像的退化主要是由于介质的衰减和散射所造成的，散射又分为前向散射和后向散射，前向散射导致图像细节的轻微模糊，而后向散射导致图像严重雾化。散射退化图像的复原在许多应用领域都有十分重要的作用，因此受到国内外众多研究人员的关注。不少学者采用提高设备性能的方法解决雾天及水下图像成像距离短的问题，但成本较高，难以广泛应用；采用图像处理方法来提高雾天及水下图像质量更加简单和适用。成像系统受散射介质的影响，图像退化原因复杂，对散射退化图像进行恢复时所需的先验知识必须完备。较早的复原方法通过多幅图像或人工交互获得更多的先验知识来进行去散射，也有不少基于测量的方法来获得散射介质的固有光学特性（IOP）参数并以此推导退化函数；这些方法不能有效解决现有退化图像实时性还原需求。本文针对以上问题深入研究了基于单幅图像且无需对实际成像环境中的介质进行实际环境测量的复原方法，主要工作和创新点包括以下几个方面：1）本文认为退化图像中的模糊程度和后向散射噪声本身包含了大量的与散射介质固有光学特性（IOP）相关的信息，结合微积分和物理极值条件的思想提出了散射介质分层分解模型来估计退化函数。假定每层厚度极小时后向散射噪声不相关，对分层模型进行无穷层数（即距离无穷远处）积分，然后利用纯后向散射背景（距离无穷远处如纯水体和天空区域）拟合得到以往需要实际测量的退化函数参数。2）散射退化与景深和散射介质浓度有关，本文开展了实际水池环境实验，分析和验证模型在这两方面的相关性：首先对不同浑浊程度的水体后向散射噪声进行详细分析，比较不同水质的模型参数；其次对实验中相同水环境一系列不同距离的图像进行测距分析，验证了光学距离与实际距离成正比例关系，因此在距离已知的情况下，分层模型还可以辅助求解和介质IOP相关的参数值。3）提出了一种迭代复原方法——“渐进反卷积”，完成图像去雾。通过模型推导出的退化函数和噪声信息可以结合多种反卷积方法对图像进行复原，本文提出了基于滤波器的线性渐进反卷积方法和基于全变分模型的非线性渐进反卷积方法;分别用这两种方法对实际雾天及水下图像进行复原，实验结果同目前广泛应用的两种单幅图像去雾方法进行了客观的比较和分析。4）全变分复原在迭代时使用图像全变分最小作为正则项约束条件，而基于传统滤波器的线性迭代过程也需要正则项约束，本文研究和比较了几种不同的清晰度评价函数作为正则项的有效性，提出最大熵正则化方法,结果表明这种方法适合没有退化前清晰目标图像作为参考的雾天及水下退化图像迭代复原。