雾、霾等环境下采集到的夜间图像,存在光照不均、颜色失真和对比度降低等问题,严重影响视频监控和目标识别等计算机视觉系统发挥性能。论文根据夜间有雾图像成像特点,研究适用于夜间图像的环境光及透射率估计方法,并解决现有方法去雾后图像出现颜色失真、细节丢失及噪声放大等问题。主要工作如下:由于人工光源的影响,夜间图像环境光分布不均,现有方法易将环境光错误估计为点光源,论文通过提取夜间场景入射光,得到与雾气浓度最相关的低频分量,提出基于低通滤波的方法来估计局部环境光,可有效用于含有人工光源的夜间场景。针对白天去雾先验对夜间图像失效问题,提出构建对比度、饱和度、信息熵等多特征联合优化函数,最大化该目标函数获得透射率估计。同时,提出非重叠块局部Shade of Gray算法去除图像色偏。实验结果表明,所提算法能够有效去除夜间雾气,提高图像对比度,且颜色自然。传统基于大气幕估计的去雾方法保边性能较差,去雾后图像边缘细节丢失,且未考虑夜间噪声影响。为了实现去雾的同时尽可能保持图像的边缘细节,并去除噪声,论文首先基于全变分模型对图像进行分解,并只对其结构层去雾,可保证去雾的同时不破坏其纹理信息。在去雾过程中,提出基于多尺度融合的环境光估计方法,可有效去除复原图像中的光晕现象;为了恢复更多边缘细节,提出基于多方向加权TV正则化的大气幕估计方法。最后,对纹理层自适应去噪。实验结果表明,所提算法去雾彻底,能恢复更多边缘细节,且噪声较小。