随着图像处理和计算机视觉技术的发展，越来越多的户外视觉系统投入到应用中，但是，现有的计算机视觉系统对环境非常敏感。雾天条件下，由于大气粒子的散射作用，使水平能见度明显降低，导致成像传感器采集到的图像严重降质，这极大地限制了户外成像系统的功能。为了提高户外系统工作的鲁棒性和可靠性，实现系统的全天候工作，对图像进行去雾处理，增强雾天降质图像的景物细节信息具有重要的意义。图像去雾技术主要分为两类，一种是基于大气散射物理模型的去雾方法，另一种是基于图像增强的去雾方法。本文在分析雾天成像机理的基础上，对雾天降质图像的清晰化方法进行了深入的研究，主要研究内容包括：(1)基于大气散射物理模型的图像去雾方法研究。研究了基于大气散射物理模型方法中效果显著的基于暗原色先验的图像去雾算法，分析讨论暗原色先验去雾的算法原理，指出原算法在处理图像中明亮区域时的不足，并通过引入一种容差机制改进原算法，改进后的算法通过纠正原算法在处理图像明亮区域时产生的错误的透射率估计，能有效地处理不满足暗原色先验的明亮区域，从而克服原算法在处理这些区域时产生的色彩失真。实验结果表明，改进后的算法有效地克服了原算法的不足之处，处理后的图像色彩流畅、逼真，视觉效果得到显著提高。(2)基于图像增强的去雾方法研究。深入研究了包括直方图均衡、同态滤波、小波增强、Retinex等多种方法在图像去雾技术中的应用，并分析各算法的特点。基于小波多分辨分析特性既可以高效地描述图像中变化缓慢的背景信息，又可以有效地表示变化剧烈的局部细节信息的特点，并结合Retinex算法能够实现图像全局亮度调整和整体对比度提升的特性，提出了一种图像去雾的小波域Retinex算法，并利用双边滤波改进原有的Retinex算法。采用主观与客观的图像质量评价方法对各种方法的去雾效果进行了实验对比分析，结果表明所提出算法能适用于多种不同雾天图像，并具有良好的实时性。