近年来,雾霾等恶劣天气频发,使得在此条件下所拍摄的视频图像退化严重,出现图像细节丢失、对比度降低、颜色失真等问题,视频图像的有效性和可用性大大降低,对航行监测、交通管控等很多方面都造成了严重的影响,因此对降质视频图像进行清晰化处理具有重大的应用价值。基于自适应去雾处理的目的,论文从图像增强的角度入手,对降质视频图像的特性进行分析,并针对雾天视频图像的实际雾化情况进行去雾。主要工作及成果如下:(1)降质视频图像特性的分析。对比研究了降质及未降质视频图像,分析出了两者之间的差异,分别从颜色衰减特性、对比度特性、时频域特性和景深特性四方面进行表征提取,并分析表征成分与图像质量的关系,为后续算法进行清晰化处理奠定了基础。(2)基于颜色衰减先验的自适应Retinex算法的研究。重点研究了 Retinex图像去雾算法的原理及步骤,并且通过对降质视频图像特性的分析与研究,建立了景深信息与高斯尺度参数的线性模型,实现了对亮度分量的自适应Retinex去雾处理,同时采用饱和度自适应线性拉伸算法优化饱和度分量,实现了雾天图像的自适应处理。最后通过MATLAB仿真实验进行了验证,结果表明该算法能够在突出图像细节的同时,更好地修复图像本来的色彩,能够有效地改善雾气浓度不均对视频图像所造成的影响。(3)结合关键帧和自适应Retinex算法的视频去雾模型的研究。对于视频去雾的研究,往往存在时间约束和亮度一致性的问题。针对视频去雾过程中存在的问题,研究了视频序列图像之间的相关性,并考虑到静态场景和存在动目标场景的视频各自的特点,提出了一种结合关键帧和自适应Retinex算法的视频去雾模型。该模型通过视频帧间的相关性实现对关键帧的选取,并结合自适应Retinex算法计算关键帧的景深信息与照度分量,通过阈值判断待处理视频帧的可参考信息并进行相应的去雾处理,实现视频去雾的目的。最后通过仿真实验对视频去雾的结果进行了对比分析,论证了该视频去雾模型及算法的有效性。