随着人们生活水平的不断提高,对图像的采集与获取的需求量日益增加。不仅是在白天可视条件下所获取的普通彩色图像,在夜间低照度环境下获取的红外图像也得到了大量的关注与研究。红外图像是一种通过测量目标本身与所处环境间的热辐射差值而得到不同强度的热红外线所形成的图像。目前红外相机、摄像机等红外图像采集设备已被广泛应用于安全监控、交通引导、野生动物观察、遥感成像以及电视制导等各个方面。但在实际应用中,红外图像采集设备易受到各种外界环境因素干扰而导致获取的红外图像质量有所下降,严重影响了对红外图像中目标的识别与判定,其中雾的干扰尤为严重。对红外图像去雾将直接影响到观测系统中后续更高层次的图像处理工作。因此,针对红外图像去雾进行研究,对道路交通安全监测系统以及野外动物跟踪监测系统的提升与应用等方面具有更重要的现实意义与价值。如果将雾看作是一种噪声,对图像进行去噪(雾)处理,将有雾图像恢复至无雾图像,那么去雾的标准显然是非常客观的。图像增强与图像修复是当前两种主要的图像去雾处理手段,前者强调客观标准,后者强调主观标准,但是二者之间也存在着一定的技术交叉,最终都达到了改善图像质量的目的。图像去雾是这两种技术彼此交叉领域中最典型的代表。现有的去雾处理方法在处理普通有雾彩色图像时具有较好的去雾效果,但对夜雾环境下的红外图像的处理效果却不尽如人意。现有的去雾处理手段在去除夜雾环境下红外图像的噪声时并不能保持图像中边缘纹理细节的完整,即过度的平滑会使细节信息丢失,而要保持细节信息,噪声就不易被消除。针对上述问题,本文在现有图像去雾算法的基础上对红外图像进行分解处理,再根据分解出的红外图像结构层和纹理层各自的特点进行对应的增强优化。首先,针对纹理层在处理过程中会产生光晕现象,本文提出一种改进暗通道算法的解决方案。通过增加一个标准差加权因子对暗通道算法中的导向滤波进行限制,避免在处理红外图像纹理图中的边缘、纹理等细节部分时出现光晕现象。经过限制后的导向滤波处理的红外图像纹理图中的细节层更加细腻,纹理部分更加清晰。最后将处理后的红外图像纹理层与经过Retinex算法处理后的红外图像结构层进行加权融合,得到融合后的红外图像实现了去雾与降质复原的目的,使红外图像在去除雾的影响的同时尽可能的保留图像中含有的纹理边缘等细节,增强了图像主观视觉评价质量与客观效果评价质量。