雾霾天气下,由于大气气溶胶颗粒的散射现象,导致户外光学探测图像的对比度降低,探测距离缩短,图像信息量严重下降。因此,如何从雾霾图像中恢复场景信息是光学探测领域备受关注并具有实用意义的重要课题。本文针对雾霾天气图像解译效果下降的问题,在分析雾霾天气大气散射机理的基础上,综合考虑大气、场景的偏振特性以及雾霾图像的频谱特征,提出一种多尺度的偏振去雾霾算法。所完成的主要工作包括下述几方面:分析了雾霾天气图像降质的原因,阐述了大气中景物成像的衰减模型和大气光模型,并通过对该大气散射模型的简化,建立了雾霾天降质图像的退化模型。对光波的偏振特性及其探测进行了说明,分析了雾霾天气时大气粒子和景物的偏振特性,同时阐述了基于退化模型的偏振探测去雾霾原理,并且说明了几种典型的基于偏振的去雾霾算法的特点和优劣。分析了雾霾图像的空域和频域特征,指出了雾霾主要分布于图像低频并削弱图像高频信息的特性。根据该特性设计了基于小波变换的多尺度偏振去雾霾算法,实现高低频分离处理,低频小波系数偏振去雾霾,高频小波系数双阈值增强,最终得到去雾的清晰图像。剖析了传统偏振去雾霾算法产生平面景物色彩畸变问题的原因,提出了在图像偏振估计中加入场景光偏振度的修正方法,由此建立了新的雾霾天气偏振成像模型,并根据该模型改进了多尺度偏振去雾霾算法。本文通过建立雾霾天气的偏振成像模型以及分析雾霾图像频谱分布特性,设计实现了一种多尺度偏振去雾霾算法。实验数据表明,该算法无论在图像对比度增强还是探测距离提升上都有较好的结果,并且颜色信息恢复的真实,利于人眼观察,是一种高效、高质量的图像去雾霾算法。其研究成果可应用于目标探测与识别、航拍遥感等户外机器视觉领域,同时可被借鉴用于水下图像分析、浑浊介质成像等。今后相关研究工作还将完善图像无天空区域时的雾霾盲分离和实时型偏振探测系统的实现,从而适应视频监控和未来导航的应用。