雾天降质图像的去雾处理是计算机视觉领域中的重要问题与研究热点,具有广阔的应用前景。但是由于导致雾天图像降质的原因复杂,且雾天图像本身的信息量不多,现有的算法和退化模型在描述图像降质的根本原因和应用于特定场景中时均存在不尽如人意之处,视觉改善的效果仍有较大的提升空间。因此,在分析雾天降质图像退化机理的基础上,研究如何对其进行有效的清晰化处理具有重要的理论和实际意义。自动去雾技术研究主要涉及四个问题：单幅图像去雾处理、视频去雾处理、构建去雾效果的客观评价体系和去雾技术在实际中的应用。本文针对这四个方面展开深入的研究,探索了去雾技术的新理论、新方法,并为改善视觉系统在恶劣天气条件下的工作性能奠定一定的理论基础。本文具体完成的工作如下：针对已有基于暗原色原理的去雾算法具有时空复杂度高的问题,而基于大气耗散函数的去雾方法则存在算法参数多且需人工调整等问题,提出了一种基于传播图梯度优先规律的去雾方法。该方法依据传播图梯度优先规律,通过对大气耗散函数图像进行快速双边滤波来获取传播图中的少量精细化像素,而对于最终传播图中的大量像素则直接来自由暗原色原理所得到的粗略传播图。该方法不仅显著减小了计算量,而且避开了复杂矩阵项的求解和多参数的设置。在对大量有雾图像的清晰化实验中,该方法获得了较好的结果。依据雾天图像所具有的频谱特性,提出了一种基于傅里叶振幅谱特性雾天检测方法,并通过实验验证了该方法的有效性。针对已有视频去雾算法存在块状效应等问题,本文提出了两种基于雾气理论的视频去雾算法,一种视雾气为覆盖在各帧图像上的一层遮罩被从原视频中减除,一种视雾气为光路传播图被分离消除。前者将Retinex算法得到的亮度图像与视频帧自身的深度关系相结合求取雾气遮罩,并将此遮罩从原视频帧中分离以去除雾气；后者将由背景图像得到的视频“通用”传播图应用于视频的所有帧以消除雾气。实验证明两种算法均能有效地提高原有雾视频各帧的清晰度。所提算法从雾气的角度入手,无需借助参考图像,运算代价低,与一般视频去雾算法相比,在获得较优的去雾效果的同时,具有较好的实用性和较快的处理速度。提出建立去雾效果综合评价体系。在分析指出已有对比度增强评估方法不足之处的基础上,提出对于能检测出能见度的场景,将去雾前后能见度数值的提升作为一项最重要的评价指标,而对于无法检测能见度的场景,则分别提出了两种图像复原效果评价方法。一种借助由环境渲染或光路传播图所模拟的雾环境图像,采用全参考方式评估算法的去雾效果；一种从人类视觉感知的角度出发,构建综合评价体系以全面衡量算法的去雾性能。实验证明两种方法均能有效地评价各去雾算法的复原效果,且评估结果与人眼主观感受相一致。所提评价方法分别从计算能见度、构建模拟雾环境和人类视觉感知三方面考虑,与已有评价方法相比,在获得全方面评估结论的同时,具有较好的实用性和可靠性。在分析总结交通场景图像相关特征的基础上,依据这些特征提出了一种专门针对交通场景的去雾算法。该算法引入能见度的思想,采用对图像近处区域弱增强,对驾驶员所感兴趣的远处区域重点增强的方式,以区别于已有去雾方法对整幅图像进行统一增强的方式,从而实现了对雾天交通场景图像更为有效的清晰化处理。同时,围绕交通环境下的相关典型应用,即雾天环境下的道路车道线特征提取、交通标志牌检测和交警手势识别三个方面,分别对所提去雾算法的清晰化性能展开研究,通过实验验证了该去雾算法在这些应用场景下的有效性和实用性。