红外成像系统依据目标物体自身发出的热辐射信息成像,使所获取的红外图像能够显示出具有高热辐射量的场景信息,而低热辐射量的场景信息会在背景热辐射中湮灭。近年来,红外成像技术被广泛的应用到目标识别、电力系统检测维护、户外交通监控等领域。但是,目标物体发出的热辐射在传输过程中容易受到大气媒介的影响,从而导致辐射强度衰减,使红外图像出现峰值信噪比较低、对比度较差、细节信息丢失、图像失真等问题,极大的影响了信息的提取和后续的处理。为了便于人眼的视觉观察和计算机后续的信息处理,需要对这些图像进行复原和增强,达到突显目标及细节、改善视觉效果的目的。故国内外学者提出了许多关于可见光图像的去雾算法并得到了广泛的应用,比如Kaiming He利用暗通道先验的去雾算法有效的滤除了可见光环境下的雾噪声;Robby T.Tan利用基于局部最大化对比度的图像去雾算法有效的突出了去雾图像的纹理细节与结构;Brian Eriksson利用曲波变换进行消失点检测的方法实现了图像的自动去雾处理,使复原图像的场景边缘信息得到了极大的保留。由于红外图像与可见光图像的成像原理和场景不同,故不能将基于可见光图像的去雾算法直接应用到基于红外有雾图像的去雾处理中。因此,研究夜雾环境下红外图像的去雾算法极其重要,具有一定的实用意义。目前利用主流的图像去雾算法处理夜雾环境下的红外图像噪声时,图像中的纹理细节、边缘信息等存在残缺,且会造成图像中噪声放大的问题。所以在处理夜雾环境下的红外图像时,不仅要突显图像的细节,还要尽可能的降低图像中噪声的影响。故针对于夜雾环境下红外图像中噪声明显、纹理细节不突出的问题,本文深入研究了当前主流红外相机频段(3-5?m、8-12?m)同常见散射介质之间的作用机理,并构建了红外设备成像模型,提出了基于红外成像模型的夜雾图像去雾算法;针对红外有雾图像边缘锐化不明显的问题,改进引导滤波算法(Guided Filtering),在原滤波器的规整化因子?中引入一个边缘权重因子?)(i来调整算法的自适应能力,突出红外图像的细节,增强图像的边缘;针对复原图像整体对比度较低、视觉效果不佳等问题,采用限制对比度的自适应直方图均衡化(CLAHE)的方法进行增强,最后通过对大量实测红外有雾图像进行处理,采用多种主客观的评估方式对经过本文算法、暗通道先验算法及基于大气散射模型和Retinex的红外图像去雾算法处理后的效果图进行对比,从而验证本文改进算法的有效性与可行性。