众多计算机应用的户外监控系统,例如道路监测,安防监控等,都要求能准确地提取图像的特征,然而在雾、霾等天气状况下获取图像,大气中微小粒子散射作用,往往使获取的图像严重降质,它不仅影响图像的视觉效果,而且对图像特征的提取造成干扰。这使户外监控系统无法正常运行,带来了严重的安全隐患。因此,利用有效且快速的去雾方法使雾化图像清晰化具有重要的现实意义。本文首先介绍了大气散射模型,分析雾天下图像降质的原因,并深入研究了基于暗通道先验的去雾算法。针对暗通道先验去雾算法中软抠图具有较高的运算量不足,提出了利用改进的联合双边滤波对透射率进行优化的算法。改进后算法的时间复杂度仅为图像大小的线性函数,满足了实时性的要求。针对暗通道先验去雾算法进行去雾后得到的去雾图像明显暗淡、对比度低、局部细节不够突出的问题,通过分析去雾图像噪声放大程度与透射率的关系,本文提出了一种具有颜色保真的“剪切”直方图均衡算法。实验表明,该方法能够得到更佳效果的图像,同时抑制了噪声的放大。针对景深变化的边缘处透射率出现估算错误的现象,本文提出了一种基于双边滤波的单幅图像去雾算法。该算法首先充分利用双边滤波保持边缘平滑的特性得到准确的大气耗散模型,同时针对明亮区域失真的问题,提出了弱化明亮区域去雾的方法,从而恢复出清晰图像。大量实验表明,本文算法能获得很好的去雾效果,特别是对于远景处和景深突变的边缘处。本文深入研究了基于Retinex算法的图像去雾算法,针对Retinex算法运算效率低下与去雾后图像出现暗淡的现象,本文提出了利用递归高斯滤波对Retinex算法进行加速和利用线性拉伸的方法提高图像的对比度。从而大幅提高算法运算效率,获得良好的去雾效果。本文引入能见度的思想,将监控场景下的雾化图像进行分类,充分利用本文所提出去雾算法的优点,实现自适应去雾,并通过实验验证了本文所提出算法的有效性和实用性。