本文主要针对面向探测识别的图像去雾与增强任务需要，在分析大气散射理论和雾天图像退化机理的基础上，归纳并总结了图像去雾和去雾效果评价研究领域现有的典型方法，对该领域尚未有效解决的多个关键问题展开了深入的研究。本文重点研究了四个方面的内容：天空光的准确估计、场景自适应去雾、去雾图像增强以及去雾效果评价，主要研究工作总结如下：（1）图像去雾效果定量评价方法。在面向探测识别的彩色图像去雾效果评价任务中，本文将去雾后图像对比度的提升效果作为主要关注的指标，提出了一种基于雾线理论的去雾图像颜色对比度描述子。针对图像去雾效果评价任务中无法获取同一场景的清晰图像作为评价参考的问题，本文从雾天图像退化的机理出发，以雾线理论为基础，在雾图中对像素进行雾线聚类，并用复原图像局部区域内不同颜色类的类间标准差来衡量复原图像的局部颜色对比度。设计了主观评价实验和合成图像评价实验，实验结果验证了所提出的评价指标的科学性。（2）场景自适应图像去雾方法。为了提高图像去雾算法对场景的自适应能力，实现不同场景下较优的自动去雾效果，本文在暗通道先验去雾方法的基础上加以改进，提出了一种场景自适应暗通道去雾方法。该方法根据图像的颜色和边缘特征自适应地调节暗通道的求解尺度，兼顾不同尺度复原图像的优点，使去雾后的图像色彩自然，对比度提升显著，且有效抑制了“白边”效应。此外，针对现有去雾方法在天空光估计过程中易出现估计点落入前景区域而造成复原图像偏暗和色彩失真的问题，本文从天空光的物理意义出发，提出了天空光估计的约束条件，为得到更为准确的天空光估计值提供依据。（3）雾天图像天空识别方法。为了得到更为准确的、与天空光物理意义相符的天空光估计值，提出了一种雾天场景天空识别方法。该方法以雾感知浓度和场景深度等与雾相关的特征来表征天空，再通过非平衡支持向量机（Imbalance-SVM）分类和相似性度量对图像块进行分类，最终识别出任意形状的天空。此外，为了训练模型和验证算法，建立了一个雾霾天气天空场景的数据集HazySky。通过对本文提出的天空识别方法在HazySky数据集以及公开数据集SkyFinder上进行的大量实验，结果表明，本文提出的方法对天气和光照条件的适应能力较强，不仅对雾天图像有效，对其它天气条件下的图像也能取得较高的天空识别精度。（4）基于有效天空识别的图像去雾与增强方法。为了实现雾天降质图像清晰度和对比度的全面提升，提出了一种基于有效天空识别的图像去雾与增强方法。将天空识别方法应用于图像去雾过程中的天空光估计，可以提高天空光估计的精度；将尺度自适应暗通道方法应用于图像去雾过程中的透射率估计，可以减小复原图像的“白边”效应；将自适应伽马校正方法应用于图像去雾后的增强，可以进一步提升复原图像对比度、改善视觉效果。实验结果表明，经该方法处理后的图像较去雾后不做增强处理的图像在信息熵和对比度等指标上均有大幅提升，且未引起明显的结构失真。