随着科技的进步和发展,户外监控系统被广泛地应用到生活的各个方面。雾霾作为一种恶劣天气,对户外监控系统造成了很大的影响。为了确保户外监控系统在恶劣天气下全天候工作的可靠性,研究如何突出显现雾霾背景下图像的细节、增强图像对比度,使处理后的彩色图像较原始图像具有更清晰的视觉效果;或者通过建立相应的物理模型来复原原始场景信息具有重要的意义。雾霾图像处理的方式大致有两类,一类是基于图像本身的增强方法,主要通过增强降质图像的对比度,使处理后的图像相比于未处理的图像具有更清晰的视觉效果;另一类是基于模型的复原方法,首先从雾霾的物理成因对大气散射规律进行分析,然后建立相应的退化模型,最后利用先验知识对图像进行场景复原,达到清晰化的目的。在图像增强方法中,针对局部直方图统计增强算法对每个区域像素都要处理的不合理性与算法运算效率低的问题,探讨一种改进的局部直方图统计增强算法,算法在局部均值、局部方差、局部方差均值参数之间建立一种规则,对满足规则的局部区域进行增强,对不满足规则的局部区域不作处理。通过实验验证,算法处理后的图像获得了更多的局部细节,算法对雾霾彩色图像有一定得效果。在模糊集理论的图像增强算法中,介绍了模糊集理论和利用模糊集理对图像增强的一些常用算法,针对雾霾图像边缘区域模糊的问题,提出一种模糊域边缘区域对比度增强算法,采用对比度受限直方图均衡算法对雾霾图像中的边缘区域进行增强,通过实验验证,处理后的图像边缘区域更加清晰、细节更多,对雾霾背景下的彩色图像取得了一定的效果。在对数模型下基于人眼视觉特性分割的增强算法中,介绍了人眼视觉特性和对数模型,利用对数模型将人眼视觉特性不同的区域进行分割,然后使用一种自适应局部直方图均衡算法分别对这些区域进行增强。通过实验验证,算法对浓雾背景下的彩色图像取得了较理想的效果。在图像模型复原的方法中,分析了雾霾成因与雾霾背景下图像特性,利用大气散射模型和主分量分析,提出一种快速去除彩色图像雾霾的算法,实验结果表明,算法能有效去除雾霾,复原后的图像清晰,且算法简单易于实现,能够满足实时处理的需要。