随着计算机视觉系统在人们生产与生活中的广泛应用，它的有效性和实用性也越来越受到人们的关注。然而，已有的计算机视觉系统对天气条件非常地敏感，尤其是在能见度比较低的雾天条件下，捕获到的景物图像受到严重退化，这极大地限制和影响了户外计算机视觉系统效用的发挥。为了实现视觉系统的全天候工作，提高系统在恶劣天气下工作的可靠性，对雾天图像进行清晰化处理就变得尤为重要。　　本文主要针对恶劣天气情况中的雾天进行图像清晰化的方法研究。对于雾天图像的处理本文从两个方面着手，一种是基于图像增强的清晰化方法，另一种是基于图像复原的清晰化方法。在图像增强方面，主要介绍了比较常用的几种增强方法，包括直方图均衡(HE)、对比度受限自适应直方图均衡(CLAHE)、改进的对比度受限自适应直方图均衡(CLAHE)，以及Retinex图像增强方法和基于数学形态学的图像增强。在图像复原方面，由于一般的图像退化/复原模型没有充分考虑到物理特性，故我们采用雾天降质图像的大气物理模型。在该模型的基础上，介绍了基于暗原色先验的去雾算法，该算法提出了暗原色的概念，利用暗原色先验建立的去雾模型，可直接估算雾的浓度并且复原得到高质量的去除雾干扰的图像。　　本文在Visual C++6.0的编程环境下利用C++语言编程实现了上述的几种算法，同时使用了OpenCV图像处理库。实验结果表明，这几种方法可以在不同程度上增强雾天图像，取得了良好的效果。　　本论文的研究主要利用了计算机编程和图像处理技术对雾天图像进行处理，这对提高户外计算机视觉系统工作的可靠性有重大意义。