能见度在气象学中是指物体能够被清楚的识别的最大距离。能见度和当时的天气情况密切相关。低能见度条件(雾、霾、沙尘、傍晚和夜晚)下拍摄的图像中景物的对比度和颜色在天气影响下被改变,图像中蕴含的许多特征被掩盖,使景物的可辨识度大大降低。这对交通、室外监控、侦查、导航等系统的视频图像质量产生严重影响。因此,从天气退化图像中增强和复原景物细节信息具有重要的现实意义。图像清晰化处理有两类:图像增强和图像复原。图像增强处理不考虑退化原因,按照特定需要突出或抑制图像中的某些信息。图像复原处理是指考查图像退化原因,包括基于退化模型的图像复原和无先验知识的盲复原。因此,本文的主要工作分为增强和复原算法的研究。首先,本文针对对低能见度图像使用图像增强算法进行清晰化研究,提出了基于颜色恒常理论的Retinex增强算法,通过对不同天气条件下的低能见度图像的增强处理,得到了比较清晰的图像结果,实验结果表明,该算法能够增强景物的可辨识度,使图像的对比度得到了增强。其次,本文针对图像恢复算法的研究,提出了一种新的盲分离复原算法,通过对低能见度实验图像的盲恢复处理,得到了比较清晰的景物图像,实验结果表明,盲分离复原算法在不考虑退化模型的基础上,较好的恢复出景物图像的细节特征,具有较好的恢复效果。