雾和霾是影响户外视觉认知能力的常见因素。在雾天条件下,由于空气中气溶胶粒子的存在,使得目标物体反射光和周围环境光被吸收或散射,导致图像对比度降低、成像模糊、细节信息丢失等。随着室外视觉系统需求的日益增加,雾天图像的复原问题逐渐成为了计算机视觉领域的一个研究热点。由于雾天目标的成像过程本身非常复杂,难以精确的定量描述,且雾天图像退化程度与目标的深度成正比,而从单幅图像获取场景目标的深度信息本身就是一个病态问题。因此,单幅雾天图像复原是一个具有挑战性且亟待解决的热点问题。本文以图像退化模型和暗原色先验为理论依据,在对退化模型深入分析的基础上,针对雾天图像的清晰化问题进行研究。提出的基于空间变化滤波器的单幅图像去雾算法,在一定程度上解决目前雾天图像复原中存在的共性问题,并首次明确给出雾天复原图像定量评价方法。主要内容有以下几个方面:?首先,利用基于图的分割算法对雾天图像进行细分割,保证将在场景深度上不连续而在图像二维空间连续的各个目标分割成不同区域,针对分割结果利用黑体特性和暗原色先验获得粗糙的传输图,有效地抑制了深度突变的边缘产生的块效应。其次,对图像退化模型进行深入分析和研究,针对模型本身的缺陷,在颜色空间、位置空间和传输图空间,设计了保证局部平滑和对比度增强的双边滤波器,获得精细的传输图,得到较好的去雾效果。最后,针对雾天图像复原的特殊性,提出了基于空间频率的图像对比度表示和基于边缘的图像结构相似性表示方法,并在此基础上提出了基于图像对比度和结构的图像质量评价算法。并利用该算法对目前流行的去雾算法结果进行评价、比较和分析。