由于红外线具有出色的夜视功能.能穿透一定浓度的烟、雾、霾等介质并且对温差具有极强的敏感性,因此近年来在军事国防、遥感监测、公共卫生防疫等方面得到了广泛的应用。但在雾、雨、雪等恶劣天气条件下所拍摄的红外图像存在不同程度的模糊、噪声、对比度低、纹理丢失等退化问题,这对于红外目标的探测、识别和分析造成了严重的阻碍。本文对雾天气条件下所拍摄的红外退化图像的清晰处理开展研究,这一课题对军事国防,交通等领域具有重要的应用价值。本文的第1章介绍了红外退化图像清晰处理的研究背景和相关工作,分析现有工作存在的不足之处,并简述了本文工作的主要研究内容。本文的第2章介绍了基于自适应清晰化滤波器的红外图像清晰处理算法。首先介绍了自适应清晰化滤波器的结构,并以基于傅立叶变换的偶次幂平滑窗口函数为核心设计了清晰化滤波器。为提高算法的精度和效率,采用了自适应估计退化红外图像的信号和噪声能量的方法来构建清晰化滤波器。本算法在对退化红外图像去模糊的同时,能有效抑止噪声扩张和条纹效应。本文的第3章讨论了基于红外大气传输模型对红外图像进行清晰处理算法。首先介绍了红外辐射大气传输原理及模型,建立了改进的雾天气下的红外辐射大气衰减模型和路径辐射模型,基于两幅同一场景在不同时刻拍摄到的在雾天气下的退化红外图像,求得两幅红外图像的大气厚度差值,从而恢复红外图像的对比度,恢复效果优于利用Modtran计算软件参数进行图像处理的结果。在论文的最后,作者对本文的研究工作进行了总结,并提出了进一步的研究方向和任务。