随着经济的持续增长,我国汽车行业和工业的快速发展,导致大气中的粉尘颗粒物体含量越来越多,尤其在冬季,造成了不同程度的空气浑浊,也就是我们通常所说的雾霾天气。由于雾霾天气的湿度较高,水汽较大,雾滴提供了吸附和反应场所,加速反应性气态污染物向液态颗粒物成分的转化,同时颗粒物也容易作为凝结核加速雾霾的生成^[1]。一方面,在雾霾严重的天气中高速公路限制通行,飞机航班延误和停飞的情况也时常发生,从而对人们日常的出行造成了一定程度的限制;另一方面,雾霾天气由于悬浮颗粒的大量存在,缩小了人们的视线范围、模糊了视觉效果,同时造成视频监控图像质量下降和对比度变差,从而对人们的人身及财产等带来了较大安全隐患。目前,国内外对雾霾图像的处理只是停留在去雾的阶段,由于雾与霾成分的不同,导致产生的光学成像原理也有所差异,所以去雾算法并不能很好的处理含霾图像。本文的主要工作有:（1）主要研究了基于直方图均衡化去雾算法、基于暗通道先验的去雾算法及基于Retinex去雾算法的基本原理,对各个算法分别进行了仿真实验,针对实验结果分别进行了展示与分析;（2）为了使采集雾霾图像不受天气、地域等方面的影响,本文结合雾霾图像深度信息提出了基于深度图的双目清晰图像雾霾化算法,为本文进一步研究双目雾霾图像清晰化算法提供了数据。（3）针对雾霾图像对比度、清晰度和亮度低等特点,结合雾霾的成像原理、散射分布原理及雾霾图像的场景深度信息的特点,提出了一种更适合含霾图像处理的双目立体匹配雾霾图像清晰化处理算法。首先,该算法对在雾霾环境中拍摄的图像进行分解,分解为场景的辐射分量（无雾霾的清晰图像）和悬浮颗粒造成的散射分量（所要去除的那部分雾霾图像）;其次,研究人员已经知道,在无穷远处拍摄到的雾霾图像全部是由散射分量组成的,因此,散射分量与距离目标场景的远近有关,即与景深有关,并且两者之间存在某种函数关系,为求目标场景任意一点的散射分量,本文定义了一个散射比例函数,该比例函数用于描述散射分量与景深的函数关系,即该散射比例是目标场景的散射分量与无穷远处散射分量的比值。进而可以推导出,目标场景中任意一点的散射分量可以用散射比例函数和无穷远处散射分量来表示;然后,采用归一化离差平方和的方法进行基于区域的立体匹配,只有当散射比例函数最小时即可得到只包含目标场景辐射分量的双目清晰图像;最后,运用基于SIFT算法对得到的双目清晰图像寻找关键点匹配后进行图像拼接,得到一副完整的清晰图像。（4）基于对双目雾霾图像的清晰化算法的研究,本文编程实现了双目雾霾图像清晰化处理的原型系统,该系统主要包括双目雾霾图像读取模块、雾霾图像清晰化处理模块以及清晰图像输出显示、保存模块。本文以双目雾霾图像（含霾成分较多）作为研究对象,基于雾与霾成分差异及雾霾图像光学成像原理（大气散射模型和大气衰减模型）结合雾霾图像特征提出了一种新的双目清晰图像的雾霾化处理算法以及雾霾图像的双目立体匹配清晰化处理算法。本文的数据来源一方面是使用富士3D W3双目立体相机现场拍摄采集到的双目立体雾霾图像,另一方面是采用本文提出的基于深度图的双目清晰图像雾霾化算法实验合成的双目立体雾霾图像。仿真实验结果表明,本文算法在实现清晰图像雾霾化以及雾霾图像清晰化两方面均获得了较好的效果。因此,本文对清晰图像雾霾化算法的研究成果使采集雾霾图像不再受地域、时间及天气状况的影响,为3D电影、电视剧等雾霾化场景特效的拍摄提供了便利;同时,本文对双目雾霾图像清晰化处理算法的研究成果为更好地对雾霾图像进行处理（特别是含霾成分较多的情况）提供了一种新的技术手段。