近年来,大雾天气、特别是雾霾天气的频繁出现导致交通监控视频的图像质量下降、对比度降低,这就对基于计算机视觉的城市智能交通监控系统产生了很大影响。如何有效地对交通视频图像进行去雾处理成为现代智能交通管理领域亟待解决的问题之一。首先,本文简单介绍了含雾图像,并对现有的图像去雾算法进行了归纳和总结,从中发现图像去雾算法的质量与大气光值的准确性有着密切关系。而在传统的图像去雾算法中,往往选取图像中最亮的像素值作为大气光值,其估计值大多存在一定误差。其次,分析了含雾图像的特性,探讨了大雾天气对交通视频成像质量的影响,并介绍了本文采用的RGB、HSV颜色模型及相关理论。再次,为了准确地估计大气光值并有效地增强含雾图像的细节信息,本文采用多尺度分析展开了两方面研究:第一,提出了一种基于小波变换的改进暗通道去雾算法。对含雾图像进行小波分解,对其低频分量做暗通道去雾处理,而对高频分量进行去噪增强。并且,通过多级下采样和自适应设定处理窗口尺寸,既降低了程序的计算复杂度,也避免了固定窗口导致的图像平滑性差、细节模糊等失真现象。第二,为进一步提高大雾天气下交通图像的对比度和清晰度,提出了一种结合非下采样轮廓波变换(NSCT)和马尔科夫随机场(MRF)的去雾算法。通过非下采样的拉普拉斯金字塔滤波和方向滤波器组提取出有雾图像的强边缘信息和弱边缘信息,再利用MRF为有雾图像的各个像素分配标签,再使用非线性映射函数关联图像像素的NSCT系数获取更加清晰的有雾图像传播图,从而降低细节信息的丢失几率,提高去雾的鲁棒性。最后,通过多项实验结果验证了本文算法的有效性,并对本文工作进行了总结和展望。