受雾、霾等天气影响,户外场景的光学成像发生变化,导致成像质量严重下降。尤其在夜间光线条件微弱的情况下拍摄出来的照片,表现出亮度低、对比度差、颜色失真等现象。虽然目前在图像去雾方面有较多优秀的算法可以复原户外自然场景图像,但由于夜间有雾图像的光线多数来源于人造光,经典的图像去雾算法主要用于白天图像去雾,在大气光值的估计上也多是以暗通道先验为基础来估计的,这种估计并不适用于夜间有雾图像。因此构建合适的夜间有雾图像成像模型以及进一步估计夜间大气光值值得我们深入研究。目前也有研究者提出夜间图像去雾的模型方法,但处理效果存在色偏、图像细节丢失,光晕明显等不足。针对存在的这些问题,本文在夜间大气光的估计和多光源模型上做出改进,进而改善上述缺陷。本文充分地研究和分析了各类模型的夜间图像去雾算法,并结合各类方法中存在的不足,提出了改进的多光源模型的夜间图像去雾算法。在该过程中,我们首先将原始图像进行结构层和纹理层的分离,保留纹理层,然后再对结构层进行去雾操作。在对结构层去雾的过程中,将结构层图像中的环境光分离出去,只保留含有雾的图像即新雾天图像。最后对该部分图像使用暗通道先验算法去雾,再将去雾后的图像与纹理层融合,从而得到最后的实验结果。复原后的图像细节更加清晰,光晕现象明显降低。其次,由于在使用暗通道先验算法时,需要对大气光值进行估计。针对暗通道的大气光估计在夜间场景中存在的光照不均匀现象和夜间图像有强烈的照明现象,我们对夜间图像的大气光估计方法进行了改进。由于夜间多为人造光源,这样的具有平滑衰减,光突变等特点,因此对大气光值的估计并没有采用选取图像中亮度值最高的方法来确定大气光值,而是采用在中值滤波的基础上再利用加权正则化模型对环境光进行优化的方法来估计大气光值。实验结果表明该算法估计的夜间大气光值明显改进了色偏现象,为去雾过程奠定了基础。