随着计算机视觉技术的高速发展,成像系统以及视频监控系统能够捕捉到丰富的图像信息。例如交通路口的监控系统,在晴朗的天气条件下能够拍摄到准确的车辆特征及清晰的车牌号。这些图像以及视频资料都能作为车辆违章的证据,但是在雾天条件下,室外监控系统获取的图像及视频均遭到退化,对比度下降,甚至在大雾条件下采集的图像会出现色彩失真,如果不做处理,这些资料将失去其原有的价值。在此背景下,本文主要研究雾天图像和视频去雾处理。本文研究主要包括两方面：一、对单幅图像的去雾处理：本文在传统MSR(多尺度Retinex)算法的基础上,针对传统雾天数字图像增强处理算法存在失真问题和光晕现象,在传统MSR算法的基础上进行改进,使用两个权重因子,分别处理图像中最亮和最暗的区域,改善过度增强的问题,并且结合自适应滤波核函数,在图像平滑区域采用传统的中心/环绕函数,在物体边缘处,采用各向异性滤波器,改善边缘模糊的情况；通过实验对比,直观地感受到本文的算法相比传统的MSR算法在视觉效果上明显增强,另外通过图像质量分析得出量化的结论。通过对雾天图像增强的实验结果进行对比,直观上感受到图像对比度得到增强,视觉效果得到改善,突出了细节,避免了过度增强以及解决了易出现光晕现象的问题,并通过图像质量分析得出定量的数据结果,进一步验证了本文算法的有效性。二、对视频序列的去雾处理：首先对视频按照一定的采样频率抽取关键帧,将本文的MSR改进算法运用到关键帧图像的去雾中,可获得关键帧的去雾清晰化图像；将其转换为灰度图像并取反,称其结果为传播图；采用双向LK光流法,估算非关键帧目标像素点的运动位移量,获得非关键帧的传播图,取反后恢复为彩色图像即可得到非关键帧的去雾化图像；最后合成关键帧和非关键帧的去雾化图像,获得完整的去雾视频。另外对去雾视频序列进行时空一致性校正,去除局部抖动或者跳跃的问题,并且通过实验验证了所提算法的正确性和有效性。