近年来大气污染趋于严重,雾霾明显增多,这使得雾霾图像的恢复算法成为图像处理领域的一个研究热点。现有雾霾图像恢复算法未区分雾图像及霾图像,但雾和霾有着本质的区别,对成像造成的影响也各有特点。现有恢复算法在雾图像恢复时的效果较好,而处理霾图像时存在缺陷,主要表现在三个方面:首先,霾的持续时间往往横跨昼夜,而现有算法主要面向昼间图像的恢复。其次,现有算法在恢复含有大片天空区域的霾图像时,易在天空区域产生明显的噪声放大现象。再次,现有恢复算法常忽略霾图像的颜色偏移,因而难以获得理想的恢复效果。本文针对霾持续时间长、会造成图像对比度降低和颜色偏移的特点,给出了本文算法的主要研究内容:首先,设计了一种基于图像暗通道信息的昼、夜霾图像分类算法,该算法自动完成对昼、夜霾图像的分类,据此确定昼、夜霾图像的恢复步骤。其次,改进了基于导引滤波的图像增强算法,改进后的算法能够有效抑制图像恢复过程中可能出现的天空区域噪声放大现象。再次,设计了一种昼间霾图像恢复算法,该算法自动判别大片天空区域的存在性、提取天空区域颜色信息、矫正霾图像的颜色偏移并提升霾图像的对比度。最后,设计了一种夜间霾图像的恢复算法,该算法抑制了光源对夜间霾图像颜色造成的影响,并利用增强算法提高了夜间霾图像的对比度,使夜间霾图像的恢复更加接近于无霾图像。实验结果验证了本文所提分类算法对昼、夜霾图像进行分类时具有较高的准确性,并验证了本文昼、夜霾图像恢复算法在面向昼、夜霾图像恢复时的有效性。