近年来,随着经济的发展,我国越来越频繁地出现雾霾天气,在有雾天气下,由于空气中存在大量的灰尘,水滴等大气粒子,这些大气粒子对入射光产生的散射、折射等现象,导致雾天情况下拍摄的图像存在对比度低、色彩失真、丢失场景细节等图像降质的现象,对监控系统、无人机航拍等有严重影响。因此,通过图像去雾来获取对比度高、细节丰富的图像,来满足监控等对图像进行图像分割、目标识别等后续处理,有着十分重要的意义。本文研究基于改进大气散射模型的图像与视频的去雾算法,主要内容如下:（1）研究了基于雾气浓度估计与改进大气光值的颜色衰减先验算法,颜色衰减先验指出图像的亮度与饱和度随雾气浓度的变化而变化,同时雾气浓度反应场景深度信息。首先用监督学习的方法得到场景深度的线性公式,在图像复原阶段引入雾气浓度估计,将图像分为薄雾和浓雾,对不同雾气浓度自适应的选择合适的参数进行恢复。对于包含明亮物体的图像大气光值求解错误的问题,使用了改进的基于多数投票法对大气光值求解。实验结果表明该方法对不同的雾气浓度有更好的自适应性且大气光值求解更加准确。（2）研究了基于雾霾线理论的视频去雾的方法,对于视频的初始帧使用基于雾霾线理论的方法精确求出其透射率图,从第二帧开始使用对当前帧进行快速引导滤波并与前一帧透射率图相融合来求解当前帧的场景透射率以提高速度,同时对视频进行视频镜头分割的操作,找出监控镜头突变的位置,对突变的帧重新进行透射率的精确计算,减少因视频时间长场景切换较多而导致的透射率计算不准确的问题。针对原有大气光值孤立计算导致视频色调连续性不佳的问题,提出了考虑融合相邻帧时间信息的全球大气光值求解,保证了去雾后视频整体色调的一致性。实验结果证明该方法对于有雾视频的画面突变和色调一致性处理上取得了较好的效果。（3）研究了基于改进大气散射模型的夜间图像去雾算法。首先针对现有的大气散射模型不适用于夜间有雾图像的问题建立了夜间大气散射模型;然后在光照补偿上针对原有的对比度增强方式导致图像失真的问题提出了适用于夜间有雾图像的改进直方图均衡化的方法和改进伽马校正的方法,再经过色度校正和暗通道方法进行去雾,得到夜间清晰无雾图像。实验结果表明,该算法针对夜间图像去雾具有有效性和鲁棒性。