目前数字图像处理和计算机视觉已经成为计算机科学、信息科学、医学等学科研究的热点,并在军事、交通等领域获得了广泛应用。由于大气的散射作用,恶劣天气(雾、霾、雨等)影响了户外视觉系统的正常工作,使得捕获的图像和视频的色彩和对比度大幅下降,直接影响了图像的内部特征的提取,从而导致了以提取图像特征为基础的监控、跟踪、导航等视觉应用系统无法正常工作。本文主要针对雾天获得的降质图像和视频,研究其物理形成机制并建立图像退化模型,并基于该模型消除散射光的影响,恢复场景的颜色、对比度等特征,实现图像和视频的去雾技术。本文通过分析transmission图像的本质特性,并基于图像的大气衰减模型,提出一种有效的单幅图像去雾技术——非线性的双边滤波图像去雾方法,并利用获得结果图像实现图像的重光照技术。然后通过对视频序列特性和计算复杂度的分析,合理的利用视频序列的高冗余信息,并以图像的大气衰减原理为物理基础,提出了基于双向LK光流法的图像运动位移估计的方法,解决了视频去雾中的遮挡问题,最终实现了视频去雾。但是由于该方法并没有考虑视频体的时空一致性,所获得的视频在局部产生抖动、闪烁等现象,本文通过在时间域和空间域上定义能量函数,并利用Graph Cut方法获取其最优解,最终获得时空一致性的视频去雾序列。本文展示了大量的实验结果,并对其进行了详细的分析与比较,充分的说明了该技术在图像和视频去雾方面的合理性和有效性。文章最后对本文工作进行了总结,并提出了有待于进一步研究的关键技术和方向。