雾霾天气会对监控、安防等领域造成严重影响。传统去雾方法能够提升雾天图像的清晰度。应对局部高曝光以及有限天空区域的情况,其去雾效果并不理想。同时传统去雾模型以大气光值常量为先验条件,导致近处细节信息丢失。基于上述分析,本文以大气退化模型为基础,从提升去雾方法在高曝光等复杂场景下的鲁棒性和弥补去雾图像细节这两个方面进行研究。1)针对复杂场景带来去雾模型参数解算不精确的问题。本文设计了基于大气模型去雾改进的无穷远处大气光强估算方法。首先,基于偏振差值图像很少包含目标反射光分量的特性,引入偏振差值图像作为改进四叉树索引目标图像,抑制高曝光点的影响。为了提升了有限天空区域的检索能力并降低索引时间开销,对四叉树进行结构优化的同时结合像素强度评分机制,从而确定无穷远大气光强取值区域,并在偏振总光强图像的对应区域确认无穷远大气光强值。其次,通过偏振方位角标定光分量,其过程使得到的大气偏振度和大气光强度更加精确。最后,通过大气模型反解算,得到去雾图像。实验结果表明,同传统去雾相比,本文去雾方法在高曝光点和有限天空区域的应用场景下,其去雾图像客观评价综合准则数值上提升了21.3%,对比度提升19.7%。2)针对去雾图像细节表现不足的问题。设计了基于SCM网络模型的改进刺激输入的高频融合规则。将去雾图像和偏振度图像进行融合,偏振度图像突显不同材质边界,提升阴影下目标物清晰度。首先,为了提升去雾图像色彩表达能力,对彩色图像饱和度进行基于HSV颜色域的自适应增强,同时选取改进引导滤波和高斯滤波作为融合过程的分解工具。其次,对于低频信息采用平均能量融合规则,对于高频信息,采用脉冲发放皮层SCM进行细节融合,选取改进的拉普拉斯和与边缘能量分别作为偏振度图像和去雾图像所对应的SCM模型的外部刺激。最后,通过尺度逆变换得到融合结果图像。实验结果表明,本文算法有效增强图像细节和边缘,同其他融合算法相比,空间频率提高11.41%,QAB/F提高12.5%。因此,本文提出的基于彩色和偏振图像的去雾融合方法在雾图像处理方面做了有效的技术延展。