由于自然界雾的存在，给基于计算机视觉的森林监控系统图像采集带来了严重的影响，使得采集到的森林图像降质退化，为了尽可能减小雾或霾对图像的影响，去雾相关的算法层出不穷，本文提出的方法相较于其他去雾算法，更具有针对性和特定性，对雾中森林图像深入研究，将有雾的森林图像进行整体的清晰化处理，并且能否高效合理的应用于实时监控设备上进行森林监测和细节识别，这对算法的运算时间和处理精度有很高的要求，本文基于模型和非模型两个方向研究算法的有效性，主要研究工作如下:　　首先，分析雾天退化机理及目前流行的图像增强方法，在此基础上提出将改进的直方图均衡算法和Retinex结合的方法，算法思想是:先利用CLAHE算法对雾中森林全局对比度提升，增强图像细节，随后对处理效果不好的天空区域进行分割提取，对天空区域单独处理，利用改进的Retinex算法进行图像增强，实验表明该方法很好的解决了传统的图像增强算法在处理雾中森林图像时的色彩失真、光晕等一系列问题，具有很好的效果。　　然后，基于模型的去雾算法应用在雾中森林图像的有效性进行研究，分析几种流行的去雾方法，在He所提出的暗通道优先的基础上结合双边滤波进行保边去雾，利用双边滤波方式对介质透射率间接求解，对透射率和大气光进行改进，经过实验证明，改进后的方法不仅取得很好的去雾效果，保持图像的细节清晰，同时在运算时间上进行缩短，降低了算法的复杂度，更适用于森林图像的实时监控。　　本文采用了主观评价和客观评价（平均梯度，时间）相结合的方式对森林图像的去雾效果进行评估，将两种改进方法处理后的效果图分别与传统的几种方式进行对比，结果表明，本文提出的方法在主客观上均有良好的效果。　　经过实验验证和主客观分析，两种类型的算法均能在恢复无雾森林图像取得一定的效果，本文从非模型算法的角度上，结合直方图均衡和Retinex算法的去雾方法解决了天空块效应，颜色失真的问题;而在基于模型的算法角度上，改进的暗通道优先算法解决了He算法在天空区域的无效问题，处理自然，恢复了图像的细节，且增加了运行速率。