随着计算机技术和机器视觉技术的发展,计算机视觉监控设备在全景监控、航天遥感和军事领域中都得到了广泛的应用,以图像特征为基础的目标检测、跟踪、识别等工作都需要对有雾图像进行去雾处理。所以,对有雾图像实现去雾复原,获取高清晰化的视频图像具有深远的影响。基于项目和科研需要,本文根据暗通道先验原理,研究、实现了一套视频图像快速去雾算法。针对云端号相机采集图像的特点及项目的实时性要求,通过对大气散射模型的研究,提出了基于暗通道先验原理的视频图像去雾方法,通过引导滤波、图像采样技术和基于暗点膨胀的优化算法,来实现去雾算法的实时性要求;针对基于暗通道先验的去雾方法的不足进行了深入的研究,提出自适应的透射率优化算法和夜间图像成像去雾算法;针对图像采集及去雾过程中可能产生的偏色效应,提出偏色图像的检测与校正方法。本文首先介绍了大气散射模型和成像模型,深入研究了暗通道先验基本原理。然后,通过研究分析云端号图像采集原理,确立了基于暗通道先验原理的去雾算法;针对软抠图算法的低效率现象,提出使用引导滤波来细化透射率;在不降低去雾效果的前提下,对暗通道图像进行重采样和暗点膨胀的优化算法;采用基于帧间差法快速求取视频帧的透射率及大气光参量,以满足视频图像去雾的实时性要求。通过对不满足暗通道先验原理的有雾图像进行研究,提出了自适应的透射率优化算法对包含天空区域的有雾图像复原,研究夜间图像成像模型以满足夜间有雾图像的复原要求;针对图像采集及去雾过程中可能产生的偏色效应,提出基于Lab空间的检测方法和基于直方图均衡的偏色校正方法。最后,通过VS2012和Opencv平台使用C++语言,实现了整个基于云端号的视频图像去雾算法流程。通过一系列实验结果,证明了本文提出的基于暗通道先验的视频图像去雾方法及图像增强算法的有效性和实时性。