随着计算机软硬件技术的发展，计算机视觉系统也越来越广泛地应用于交通监控、航拍、辅助驾驶等户外场景。由于现有的计算机视觉系统对环境条件非常敏感，在能见度低的恶劣天气条件下，捕获的图像严重降质，这极大地限制和影响了户外系统的功能。因此需要研究人员提高输入的图像或视频的质量来保证所提取的特征稳定、可靠。这是一个极具现实意义的问题。　　 目前对降质图像视见度增强的研究方法大致可以分为基于模型方法和非模型方法。其中基于模型方法是通过研究图像降质的物理过程，建立退化模型，然后反演退化过程，从而达到改善图像质量的目的。这类方法针对性强，增强效果好。非模型方法则不考虑图像降质的原因，仅通过全局或局部增强的方法来改善图像的视觉效果，这类方法简便，应用范围广。本文分别对两类方法进行研究，做了以下工作：　　 针对黄昏、夜晚等光照不均匀条件下拍摄到的降质图像，根据人眼视觉系统的亮度适应和侧抑制特性，对基于视觉感知的自适应彩色图像增强算法进行了改进。针对图像边缘处经常出现的过增强现象，本文根据中心像素与邻域像素的亮度和位置之间的关系，定义了一种细节增强函数，对亮度分量的局部对比度进行增强。有效地抑制了图像边缘处的过增强现象，并且很好地保持了图像的颜色，明显改善了图像的视觉效果。　　 针对雾霾等恶劣天气条件下获取的图像对比度低、内容模糊不清、颜色暗淡等问题，对基于物理模型的快速单幅图像去雾算法进行了改进。从单色大气散射模型出发，通过对大气光照进行白平衡，从而简化大气散射模型；利用快速双边滤波估计大气耗散函数，进而恢复场景反照率。有效地恢复了场景的对比度和颜色。　　 针对图像去雾过程中经常出现的Halo效应，色调偏移等问题，提出一种去雾增强图像质量客观评测方法。采用Canny算子和亮通道来检测去雾图像的有效边缘强度，使用直方图相似性来度量去雾图像的色彩还原能力，使用反射图像的结构信息来评价去雾图像的结构保持能力。最后综合有效边缘强度、色彩还原能力和结构信息三个方面对去雾图像的质量进行客观评测。实验结果表明这种针对去雾前后图像视觉差异的评价模型，能够有效的对各类去雾算法进行比较与评价，与主观评价结果基本一致。