近年来频繁出现的雾霾天气引起了人们的广泛关注。雾霾天气不但对人们的健康产生一定的影响,还严重干扰了监控系统和侦查装备等的正常使用,例如在战场上导弹无法瞄准目标,交通道路上监控系统无法识别车牌,侦查现场上装备无法正确跟踪对象等。因此如何去除雾霾对智能装备系统的影响,提取用户感兴趣的有用信息是近年来图像视觉处理研究的热点之一。图像有多种成像方式,包括常见的可见光,遥感,偏振,红外成像等。其中偏振成像相对于可见光和红外成像有诸多优点,它可以获取地物辐射的多维偏振信息,在图像视觉领域中有独特的优势。有效使用偏振信息,可以提高目标的识别能力,从而增强景物的细节特征,提高图像的信噪比。基于传统偏振特性的图像去雾算法大都对偏振度、大气光强和景深信息进行优化,这种方法在雾天能见度较高时能够有效去除图像雾霾,但是在能见度较低状态下,对远处场景的目标识别效果并不理想。本文分析低能见度情况下图像去雾复原效果不理想的特点,提出了一种偏振信息到颜色空间转化的算法增强图像的细节特征。主要工作如下：第一：调研了国内外的雾霾去除现状,按照输入条件的不同,研究了单幅图像去雾和多幅图像去雾算法的优缺点并探讨雾霾的形成机理以及大气散射现象,结合大气散模型,对基于暗原色先验原理的图像去雾模型进行研究。第二：研究大气偏振特性,调研经典的基于偏振原理的图像去雾算法,分析传统的基于偏振特性的图像复原算法的不足,提出一种颜色空间转换的算法去除图像雾霾。根据Stokes矢量法解析偏振信息,得到偏振图像的强度、偏振度、偏振角等内容,为了达到偏振信息与去雾模型相结合的目的,采用了一种颜色空间转化的方法将偏振信息映射到彩色空间。第三：将偏振信息转化到HIS颜色空间对应的亮度,色调,饱和度等分量中,对HIS彩色空间中的亮度和饱和度权重重新进行估值,之后再将HIS彩色空间转化到RGB彩色空间,结合暗原色先验原理,引入引导滤波算法对图像进行复原。第四：与传统的基于偏振特性的图像复原结果作对比,本文提出的算法的切实有效,得到的复原图像细节更加清晰,层次分明,能够有效识别低能见度场景下远处场景的目标。