随着科技的不断进步,计算机已经非常普及,多媒体技术已被广泛应用。安全防护问题越来越受到人们的重视。作为安全监控系统最有效的手段,视频监控在道路、银行和其它公共场所都得到了广泛的应用。但是,在大雾、烟、灰尘等恶劣的天气情况下,视频监视系统获取的图像画面具有对比度低、色彩信息衰减严重的特点,使得监控系统无法正常工作,给道路交通、银行等诸多领域的安全防护工作带来极大后患。因此,对受雾和烟雾影响的视频图像进行清晰化处理有着重要的意义。本文重点研究了序列图像的去雾技术,主要内容如下:(1)仔细研究了雾天图像成像模型,对基于暗原色先验理论的去雾算法进行了深入的研究分析,明确该算法在雾天图像增强领域的优点和缺点。(2)采用了一种基于暗原色先验理论和图像小波变换的去雾算法。通过分析雾天图像的低频和各高频分量的退化程度,分析雾主要影响了图像的低频分量,单帧图像的去雾就简化为单帧图像低频分量去雾,提高了算法的执行效率。(3)提出了新的优化透射率的算法。实验结果表明基于中值滤波和非局部均值滤波(Non-local Means Filter)的方法都在一定程度上降低算法的运算时间,较软抠图(Soft Matting)算法有一定的优势。(4)根据Just Noticeable Difference(JND)of Human Vision System原理提出了两种暗图像增强方法。基于暗原色理论的去雾算法恢复的无雾的场景并没有计算出的大气光强那么亮,所以最终重建的无雾的图像看起来会比较暗。根据JND曲线,人眼对背景较亮和较暗区域的亮度变化不敏感,对处在中间亮度的区域的亮度变化情况比较敏感。本论文将一元二次函数和抛物线应用到暗图像增强中去。(5)将单帧图像的去雾算法应用到序列图像去雾中去,去雾后的图像序列相邻帧之间存在闪烁现象,因此,本文提出了分时段平稳的大气光强,进而将卡尔曼滤波应用到大气光估计中去。(6)结合实验结果和理论分析,对本论文所提算法进行总结。本文所提出的算法对雾天图像清晰化处理是有效的,并能在一定程度上满足实时监测和控制系统的需要。为对雾天图像增强算法进行更深一步的研究奠定了良好的基础,并对下一步的工作进行了展望。