目前,图像处理技术借助深度学习和硬件设备被大量使用,但环境因素如雾霾会严重影响图像质量进而使识别、监测的准确率大幅下降。因此本文以雾霾图像为出发点,针对现有研究中缺少对同等级中雾霾图像的统一校正和质量提高方法的问题,提出了一种基于亮度与颜色混合校正和多尺度的雾霾图像增强方法。本文的研究内容可以分为如下两个部分:1、本文提出了基于亮度与颜色的雾霾图像混合校正方法用以解决了同等级间雾霾图像的特征统一问题。该方法首先通过图像的亮度影响因子,并利用粒子群优化算法求解亮度直方图的匹配进而实现雾霾图像的亮度校正。然后,本文在RGB颜色空间中计算了目标雾霾图像与参考雾霾图像的颜色相似度,并以此为基础结合特征匹配的方法实现了雾霾图像的颜色校正。2、本文提出了基于降噪及多尺度的雾霾图像增强方法用以解决雾霾图像因噪声和滤波带来图像质量下降的问题。该方法首先结合了传统巴特沃斯滤波器的相关优势和雾霾图像的自身特性设计了一种改进后的低通滤波器用于降噪,然后本文对降噪后的五类雾霾图像进行了多尺度处理用以提高雾霾图像局部的轮廓细节和纹理特征,增强后的雾霾图像其二维信息熵明显增多。通过上述两部分处理后的雾霾图像在同类型间具有亮度、颜色相似度较高的特点,而对于雾霾图像自身,经过降噪及多尺度增强后的雾霾图像具有噪点少、局部轮廓细节和纹理特征明显的特点。在理论上,本文的理论方法对现有雾霾图像的特征增强的研究提供了新思路;在应用上,本文对雾霾图像的校正和增强的实现为视频监控、场景勘测等领域中提供了增强雾霾图像特征的解决方案。