不良视觉条件下摄像设备采集到的视频、图像受环境因素的影响,容易出现模糊不清、对比度下降、色彩失真等现象,对后续分析与处理造成了障碍。因此,通过增强技术改善图像或视频的感知效果,具有非常重要的理论意义和应用价值。本文通过对雾天导致图像退化的机理分析,探讨了大气散射模型的物理意义,提出了一种大气散射模型未知参数的求解算法,实现了视频、图像去雾。针对前向运动视频,本文提出了一种区域分割的景深估计算法,为去雾提供支持。本文还提出了一种融合机器视觉与人眼视觉感知的去雾效果评价算法,从图像可见边与图像自然度两方面对去雾算法的去雾效果进行综合评价。文章的主要工作包括：(1)研究分析了大气散射模型以及DCP原理,针对目前DCP提取算法中存在的不合理之处,提出了一种基于边缘约束的暗原色提取算法,提高了的DCP先验估计的准确度,实现了雾图的快速去雾。实验结果表明,该算法能够快速、有效的对雾图进行去雾增强。(2)针对前向运动视频提出了一种景深估计算法。通过区域分割的方法提取图像前景区域,并对前景区域的景深估计进行优化处理,提高了景深估计的精度。并将估计景深用于前向运动视频的去雾处理,实验结果表明了该算法的有效性。(3)针对去雾算法效果评价体系存在的不足之处,本文提出了一种基于可见边的改进去雾效果评价机制,融合了图像自然度评价指标。在考虑图像增强效果的客观评价指标时,同时考虑人眼的视觉感知自然度。对大量图像的实验评价结果证明,该评价机制能够客观、综合的评价去雾算法的增强效果。