户外视觉系统由于暴露在开放的外界环境中,会常常受到恶劣天气会影响而无法正常的工作,使得捕获的图像和视频出现严重降质的现象。其中,近年来出现最频繁的恶劣天气是雾霾天气,已经成为严重影响成像质量的重要因素。在雾霾天气下,由于大气散射作用,会导致捕获的图像模糊不清,信息的可辨识度降低。雾天图像的应用价值大大减小,会干扰其它和图像处理相关的领域的正常工作。此外,我国近年来雾霾天气频发,图像去雾技术成为越来越重要的研究课题,具有十分重要的实际意义。由于图像去雾问题涉及到天气条件的随机性与复杂性,这增大了其研究难度。虽然国内外已有的图像去雾算法很多,但均有一定的局限性和相应的缺点,这些算法在本质上都可以大致归类为两种:第一种为基于非物理模型的图像增强方法,第二种为基于物理模型的图像复原方法。首先,提出了一种基于物理模型的图像去雾算法,利用改进的White Patch Retinex算法计算出全球大气光的值,提出了一种基于去雾后图像的信息损失来估算透射率的方法,通过最小化信息损失方法估计出初始透射率,然后使用导向滤波对初始透射率图进行快速细化,进而得到较精确的最终的透射率图,最后通过反解雾天图像退化物理模型得到清晰无雾的结果图像。实验结果表明,利用该方法得到的结果图像较明亮,不需要再进行额外的亮度增强操作,且在天空区域不会出现严重的颜色失真现象,鲁棒性和适用性较高其次,对视频去雾进行研究。通过将有雾视频帧的RGB颜色空间转换到YUV颜色空间,仅对其中的亮度分量Y进行去雾处理,保持色度分量(U,V)不变,降低了算法的复杂度,大大提高了处理过程的运行速度,从而能适用于处理视频序列,处理速度可达20-22帧每秒,具有良好的实时性。最后,研究了户外监控视频的去雾方法,因为监控视频的背景具有静止不变的特性,所以本文将视频帧的背景图像和前景运动目标图像分别提取出来后,各自进行去雾处理,然后融合为完整的无雾监控视频。由于对背景图像是静止且不变的,所以只对背景图像做一次去雾处理,大大缩小了视频去雾算法的运算时间,具有很好的实用意义。