在雾、雨、雪、沙尘等低能见度天气条件下，道路环境系统的可视性变差，驾驶员通过视觉获得道路环境信息不足，极易发生车辆碰撞、冲出行车道等恶性交通事故，导致车毁人亡。因此，如何改善驾驶员的可视范围、增强驾驶的安全性，即驾驶员视觉增强便成为智能交通领域的一个重要研究内容。驾驶员视觉增强是利用各种传感器和先进技术，增强驾驶员在雨、雾天、光线不足条件下的视觉效果。图像增强目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。传统的图像增强方法对于改善图像质量发挥了重要作用。随着对图像增强技术研究的不断深入，新的图像增强方法不断出现，信息融合技术已经成为图像增强的主要手段。多传感器图像信息融合充分利用多传感器图像间的冗余信息和互补信息，提高了图像的整体质量。本文介绍了图像融合的基本概念、处理的过程结构、实现方法、应用领域以及图像增强的基本理论和方法等内容。为实现对低能见度天气条件下道路图像的自动实时增强，首先需实现对道路图像清晰度的自动检测，再根据图像的清晰程度确定采取何种增强方法。为此本文对常用的清晰度评价参数进行了介绍，并对低能见度雾天道路图像的特点进行了样本分析，得出了可供清晰度评判的参考数据，从而为雾天道路图像清晰度判别提供了依据；同时，本文对基于统计分析与图像融合技术在雾天和夜晚道路图像增强中的应用进行了研究，对部分样本图像进行了处理，并利用常用融合效果评价函数对融合效果进行了分析。最后本文讨论了低能见度道路图像的多分辨小波分解、重构及其图像融合规则，针对不同分解层细节分量的不同空间频率特性，采用了基于区域特征量测的选择融合算子对源图像进行融合增强，并依据标准差、熵、RMSE、NLSE、PSNR和平均梯度等六项指标，对本文中所采用的不同的融合规则得到的融合图像进行了分析和比较。综合所有融合实验数据分析可知，基于小波金字塔的融合实验结果在六项指标上要优于加权平均和拉普拉斯金字塔变换的融合效果。