数字图像的弱信号通常是由于相机的表现动态范围有限，光照环境复杂等诸多因素导致的，此类弱图像信号极大限制了计算机视觉的应用。本项目从光学物理现象出发去探究弱图像信号退化的物理原因，建立弱图像信号退化的物理模型，然后设计合适的算法，提升弱图像信号的可观测性。主要针对雾天弱图像信号、沙尘天气弱图像信号和低照度拍摄的弱图像信号及曝光不足或曝光过度的低动态范围弱图像信号复原及重建展开研究。

（1）针对弱图像信号退化的物理建模，在研究气溶胶粒子散射机理的基础上，从数学角度描述了大气粒子的散射过程，推导了描述大气散射物理过程的数学模型，提出了环境光随局部场景内容而自适应变化的弱图像信号光散射衰减统一退化模型。（2）针对雾天弱图像信号复原提出了基于多尺度多透射率层融合的透射率估计方法。基于信息损耗与光线散射率之间的约束关系，设计了自适应迭代算法，实现了雾霾天气、沙尘天气、低照度等状况下弱图像信号复原的统一的算法，使得复原后结果具有丰富可见边，恢复了大量的图像细节，具有生动而自然的颜色，色调能和原图保持一致，不存在偏色等现象。（3）针对曝光不足和曝光过度等低动态范围的弱图像信号，提出了基于灰度级映射函数建模的多曝光高动态图像融合重建算法。(4)在弱图像信号复原效果的客观评价算法研究，研究了常用的评价指标及其在评价退化弱图像信号复原效果中的各自的侧重点及局限性。针对SSIM评价指标在弱图像信号复原算法评价中，存在参考图像无法提供足够可靠的比较信息的问题，提出了将复原图像人为退化，然后再计算其和输入弱图像信号之间的SSIM指标的评价思路；针对各单因素评价指标之间存在互斥，无法给出综合评判结果的问题，基于模糊数学理论，将盲评对比度评价指标、对比度增益、色彩自然性与色彩丰富性指标融合起来，构建了衡量复原图像对比度和色彩复原情况的综合评价CNC指标。

本项目的研究成果能够较好的提升弱图像信号的可观测性，使得计算机视觉在智能监控、智慧交通、辅助驾驶、遥感监测等领域的应用更具鲁棒性，有一定的理论研究意义和应用价值。