针对短波红外成像系统在雾霾天气下存在图像质量模糊、分辨率低等问题，本文提出了一种基于暗通道先验理论的短波红外图像去雾算法。本文首先通过改进的暗通道先验得到暗通道图像数据，然后基于暗通道数据对大气光进行估计；为了避免目标局部高亮或细节模糊，采用引导滤波和多尺度 Retinex（Multi-scale retinex，MSR）对透射率图进行细化和增强处理，最后结合大气散射模型来反演出去雾图像。实验结果表明，经此算法处理后的短波红外图像在主观视觉和客观指标方面均得到了较好的验证，去雾效果显著、细节特征丰富且明亮度适宜。

为了对雾霾天气下的图像进行去雾处理, 多幅图像去雾算法是常用的方法之一。 多幅图像去雾算法也有多种形式, 部分算法面临硬件实现困难、 获取途径受限或者可实施性弱等问题, 而且多幅图像比对处理时常常涉及图像配准, 造成算法的实时性差、 计算复杂度高等问题。 针对以上问题, 提出的算法为多幅图像去雾提供了新的思路, 基于双目传感器硬件架构能够同时捕获近红外和可见光图像, 将近红外传感器图像作为新的数据源, 近红外传感器能够在一定程度上穿透雾霾, 在雾天捕获可见光传感器无法捕获的图像细节, 而且硬件实现简单。 可见光图像的颜色信息较丰富, 近红外传感器图像对近处场景细节的描述能力较好, 捕获的图像稍加校正就能实现完全配准, 将近红外图像与可见光图像进行融合, 在去雾的同时, 可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中, 得到边缘、 轮廓等细节信息更加丰富的去雾图像。 基于上述思路, 借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力, 提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。 首先, 将彩色可见光图像转换到HIS彩色空间, 分别得到亮度通道图像、 色调通道图像和饱和度通道图像。 先将其亮度通道图与近红外图像进行融合去雾处理。 采用非下采样Shearlet变换（NSST）进行分解, 对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理, 对低频系数进行反锐化掩蔽处理, 通过融合规则和反向变换得到新的亮度通道图像。 然后, 在对可见光图像的色彩处理中, 建立饱和度图的退化模型, 采用暗原色原理对参数进行估计, 得到估计的饱和度图。 最后, 将新的亮度通道图像, 估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。 为了验证新算法的有效性, 特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理, 将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。 实验结果表明, 该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。 并提出将近红外传感器图像作为新的数据源, 采用双通道图像融合方法进行去雾处理, 为图像去雾提供的新的技术思路是可行的。 该算法的优势在于: 首先提出将图像融合方法与去雾算法相结合, 得到了新的去雾算法的思路。 将彩色可见光图像转换到HSI色彩空间, 将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理, 在去雾的同时, 可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中, 使得去雾图像中的边缘、 轮廓等细节信息更加丰富。 其次, 提出了在图像去雾算法中采用新的数据源——近红外传感器图像, 从图像处理的角度, 近红外传感器能够在一定程度上穿透雾霾, 对于近处场景细节的描述能力较好, 而且硬件实现简单, 捕获的图像稍加校正就能实现完全配准, 为后续的融合去雾算法带来了便利, 为图像去雾提供了新的技术途径和路线。 再次, 采用的是多幅图像去雾算法, 该算法基于双目传感器获取图像, 可见光图像的颜色信息较丰富, 近红外图像对于近处场景细节的描述能力较好, 相对于单幅图像去雾算法, 有更好的效果。 最后, 将可见光传感器图像映射到其他色彩空间, 对于每个通道的图像根据其特征有针对性地进行处理。 可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理, 对于可见光图像饱和度通道的处理采用了图像复原算法, 可以从整体上提升去雾效果, 对细节特征有了进一步增强。 该算法为图像去雾提供了新的技术途径和路线。

针对暗通道先验算法在天空区域透射率估计不准确的问题, 利用三个不同尺度的高斯函数分别作用于有雾图像的RGB通道来获得“伪”去雾图像; 其次, 利用有雾图像的混合通道得到自适应参数, 将该参数和最小值滤波共同作用于“伪”去雾图像, 接着用联合双边滤波消除纹理效应得到透射率的精确估计; 最后, 采用局部大气光估计方法, 结合大气散射模型复原出无雾图像.实验结果表明, 该方法不仅降低了时间复杂度, 且复原出的图像细节明显, 明亮度适宜, 对于大面积天空区域有良好的去雾效果, 改善了天空区域的颜色失真.

为解决有雾场景图像复原过程中目标边缘存在细节模糊及丢失的问题，结合暗原色先验理论、引导图像滤波和保留边缘的A-Trous小波滤波方法，提出一种保留边缘的A-Trous小波修正的单一图像去雾算法。先对暗原色先验的引导图像滤波去雾算法进行复现，再引入保留边缘的A-Trous小波滤波算子，用三级小波滤波后的残差结果补偿暗原色先验的引导图像滤波算法去雾的结果。实验结果表明，相较于暗原色先验的引导图像滤波去雾算法，采用可见边对比度作为客观衡量标准，新增的可见边之比至少提高69.5%，可见边的规范化梯度均值提高30%，饱和黑色或白色像素点的百分比降低一半以上。通过主观辨识，去雾算法生成的结果中保留了图像的边界和纹理细节信息，恢复出来的图像颜色更贴近实际生活，去雾效果有较大改善，纹理边缘更加细腻。

相对于传统光学探测技术, 偏振探测在目标探测、识别方面有着独特的优势。针对雾、霾等天气下图像退化的问题, 提出一种利用偏振信息的图像去雾方法, 通过获取3个角度下目标的偏振图像, 求解出场景目标的斯托克斯矢量, 从斯托克斯矢量与穆勒矩阵的关系出发, 分析偏振图像光强随着偏振角度的变化规律, 获取最大和最小光强下的正交偏振图像, 利用偏振滤波和亮通道先验方法分别估算大气光偏振度和其无穷远处大气光强值, 最终重构出无雾图像。实验结果表明, 在雾霾天气下, 利用获取的正交偏振图像能够重构出清晰的图像, 且重构图像的平均梯度和边缘强度均提升了约3倍, 灰度标准差提升了约88%。