视频监控是船舶交通领域的主要监管手段,但是受雾、雨、雪等恶劣天气的影响,难以全天候监控,而现有的清晰化算法研究多是针对单一的恶劣天气,能处理多种恶劣天气的算法模型并不多见。因此,设计一个能够自动感知恶劣天气类型,并能自适应去雾、去雨或者去雪的处理方法是很有必要的。本文构建了自适应视频图像清晰化处理系统,该系统可自动对低能见度环境进行感知,利用感知信息,自适应选择和控制视频图像处理算法,以获取与环境相匹配的视频处理算法,从而达到良好的处理效果。本文主要的研究工作和成果如下:（1）针对传统天气识别方法效果差、应用场景单一的问题,提出了一种基于特征融合的天气识别算法,使用迁移VGG16网络模型来提取天气图像深层特征,然后与浅层特征平均梯度、对比度、饱和度、暗通道融合,并在构建的多类别天气图像分块数据集上训练出天气识别模型,该模型能够识别雾、雨、雪、晴四类天气图像。模型融合了天气图像浅层特征与深层特征,既能表达图像的浅层信息,又能表达图像的深层语义信息,有效地提高了天气识别准确率。（2）针对去雾、去雨、去雪算法的处理效果评价,构建了雾天图像评价集{对比度,平均梯度,饱和度,IL-NIQE（Integrated local natural image quality evaluator）,信息熵}、雨天图像评价集{平均梯度,饱和度,亮度}以及雪天图像评价集{亮度,饱和度}。根据视频图像清晰化算法的处理效果及鲁棒性,选择了部分去雾、去雨、去雪算法,然后通过实验测试评价集对这些算法的评价效果。实验结果表明,评价集在评价算法处理效果时与人眼视觉评价是一致的,因此基于评价集选择降质视频图像清晰化算法是可行的。（3）针对视频图像清晰化算法处理的降质类型单一的问题,设计并建立了自适应视频图像清晰化处理系统,该系统可以感知恶劣天气类型,然后调用相应的清晰化算法,并通过评价集对比不同算法的处理效果,选出其中处理效果最好的算法,对降质视频进行清晰化处理,实现降质视频图像自适应去雾、去雨或者去雪的功能。