光在传播过程中受介质(雾、霾、水体等)的干扰,导致图像出现场景能见度受限、对比度及饱和度低、细节纹理模糊和图像亮度变化等现象。介质传播下的退化图像质量严重下降,图像的清晰度和颜色保真度严重下降,整体信息量大幅减少,影响了后续的交通监控、目标识别与跟踪等计算机视觉系统的应用。现有的介质传播下退化图像复原方法大多基于光学成像物理模型,通过提出不同的先验知识来估计模型中的参数透射率图,再从成像物理模型中直接求得复原结果。但是,这种算法思路依赖于成像模型的精确度,没有考虑到建模不足和先验知识本身的局限性所引起的估计误差,同时忽略了复原图像本身的性质,使得退化图像中存在但几乎不可见的成像噪声被显著提高,或形成一些伪影,复原结果整体质量有待提升,算法自身的适用性不高。针对以上问题,本文展开基于正则化框架的图像复原算法研究,探究介质传播中大气环境和水下环境的退化图像特征表达与描述。本文的主要研究内容如下:(1)在正则化框架下,提出了一种新的基于正则化的退化图像复原方法,关注复原过程中对噪声抑制。首先利用HSV颜色空间的V通道作为导向图使用导向滤波器对透射率图进行细化;而后,提出一种针对透射率图的新的加权全变分正则化方法,能够提高复原结果的细节精度;为了抑制在图像对比度、清晰度提升过程中噪声的增强,引入相对全变分作为正则化项,并设计自适应正则化参数来控制图像不同结构特征区域的约束强度。实验结果表明,该方法能够恢复退化图像中难以观测的细节,抑制复原过程中的噪声,有效地提高了图像的整体质量。(2)在稀疏表示框架下,提出了一种用于介质传播下退化图像复原的混合卷积稀疏表示模型。在该模型中,根据透射率图和待复原图像的不同性质,采用不同形式的稀疏表示来约束它们的稀疏性。对于具有分片光滑性质的透射率图,使用解析字典对其进行卷积稀疏表示,并根据图像结构设计分方向的正则化约束项;对于纹理、细节丰富的待复原图像,采用学习的合成卷积字典来对其精细结构进行表达。通过解析稀疏表示和合成稀疏表示对对象进行表达,使得该混合模型能够有效地恢复待重建图像的纹理,并通过稀疏性约束抑制复原噪声。实验结果表明,该方法具有良好的结构复原和噪声抑制能力。(3)在对水下光学成像过程研究的基础上,提出一种融合Retinex理论的水下前后向散射改进成像模型,该模型在将前向、后向散射效应表达为散射率的乘性衰减形式,同时将照明分量从观测图像中分离出来以反映观测环境的原始光照条件信息。针对该模型,首先对后向散射率及环境光进行估计,然后在正则化框架下协同后向散射信息及全变分稀疏约束建立优化目标函数,对模型中的衰减照明分量进行优化,能够尽量降低外部照明对求得的场景反射分量的影响。实验结果表明,该模型及复原方法能够较好地对自然光源照明及人工局部照明环境下的退化图像进行复原,算法适应性强。