恶劣天气条件下获得的图像能见度一般都很低,这大大降低了它的应用价值,对交通、军事、航空航天等领域的图像信息处理带来了极大的影响。因此对低能见度图像进行清晰化处理有着重要的意义。首先,在介绍了大气效应及其对成像影响的基础上,分析了逆滤波、维纳滤波、指数建模等图像复原方法。由于大气退化模型构建比较困难,且复原算法计算量较大,结合大气退化图像呈现低亮度和低对比度的特性,提出采用图像增强方法对低能见度图像进行清晰化处理。然后,讨论比较了直方图均衡、同态滤波及基于Retinex的图像增强等算法。针对低能见度图像信噪比过低的特点,采用预处理和后处理方法对传统算法进行改进：对输入图像进行信噪比评价,对不达标的图像进行去噪预处理,且采用线性拉伸等方法对增强后的图像进行后处理。仿真结果表明,通过预处理和后处理可以有效地提高图像增强的视觉效果。最后,为了适应机器视觉需求,研究了POBC(对比度均值和亮度均值的乘积)和VCM(对比度)两种图像增强的质量评价标准,提出了一种基于POBC和VCM的自适应MSR算法。根据输入图像的POBC值进行图像分类,选择相应的MSR参数进行图像增强处理,并对增强后图像进行基于POBC和VCM的质量评价分析,将评价结果进行反馈以调整MSR参数,直至输出图像质量符合要求。仿真结果表明该算法可以进－步改善MSR增强处理的视觉特性。