恶劣天气(雨，雪，雾)中充满着大量的悬浮粒子，对光会产生散射和吸收作用，从而造成户外拍摄图像质量下降。目前大多数视觉系统在设计时没有考虑天气对视觉系统的影响，一般只适合晴朗的天气。因此，恶劣天气制约了视觉系统的推广。而雾是一种常见的天气现象，由它引起的图像退化问题是计算机视觉领域研究的热点。因此，本文针对雾天图像进行复原算法的研究。本文以Retinex理论和雾天退化模型为理论依据，分别针对均匀和不均匀雾天退化图像，实现图像清晰化的目的。针对均匀分布的雾，提出了图像引导滤波的Retinex去雾算法；针对非均匀分布的雾，提出了基于粒子群的雾天图像复原算法，在一定程度上解决了不均匀雾的问题。另外，对去雾算法提出了一种客观评价的准则。主要内容有以下三个方面：第一，针对雾天退化图像，提出了基于图像引导滤波器的Retinex去雾算法。Retinex算法处理的图像往往存在伪影、噪声增加和迭代求解耗时多问题。针对这些问题，提出利用两次图像引导滤波实现Retinex图像增强的求解，并运用多尺度小波融合的图像增强框架，实现了基于两次图像引导滤波的多尺度Retinex去雾算法。第二，针对目前大部分去雾算法对浓雾和不均匀雾适用性不强，提出基于粒子群的雾天图像复原算法。首先，推导出适合于不均匀雾的退化模型；其次，针对不均匀雾天退化模型参数过多的问题，提出了利用粒子群进化算法估计模型中的参数；最后，使用图像引导滤波器实现快速有效的图像复原。第三，针对不同的雾天图像复原效果，提出一种客观的评价准则。图像质量评价方法很多，但对于特定的雾天图像复原效果的评价算法很少。本文给出了一种基于图像提升度和结构相似性的客观评价方法，且利用该方法对目前较流行的去雾算法进行客观的评价和分析。