近年来,随着视频图像处理技术的快速发展,人们传递信息的载体由之前简单的文字和声音方式扩展到现在的图像和视频方式。由于现代工业的日益发达,雾霾天气出现的频率也越来越高,该种天气状况会导致天气的能见度急剧下降,严重影响户外视频图像的采集和处理,致使视频系统无法正常工作。因此,设法提高雾霾天气下视频监控系统下的图像质量,降低雾霾天气下图像质量差带来的负面影响,研究视频图像去雾技术具有较大的理论和实际意义。目前对于雾天退化图像的处理方法主要分类两类:一类是基于图像增强的图像去雾处理方法;一类是基于物理成像模型图像复原的图像去雾处理方法。现阶段在众多基于物理成像模型图像复原的方法中,最具有代表性的是基于暗原色先验的图像去雾算法。该算法去雾效果好,去雾后图片清晰度高,算法一经提出,引起了国内外众多学者的密切关注。但是,该算法也存在一些缺点,比如,对于图像中亮度变化比较大的图像则会出现去雾不彻底的情况;此外,基于暗原色先验的图像去雾算法的复杂度较高,在求透射率的过程中求解复杂,计算机计算内存耗费大,要求较高的计算资源,针对本文的户外计算资源有限的数字式网络摄像头,则会视频去雾的实时性较差的状况。本文在大气散射模型的基础上,分析了基于暗原色先验去雾算法在视频图像去雾中存在的一些不足之处,提出了一种基于暗原色先验的快速视频去雾优化算法,本文主要做了以下几个方面的工作:第一,针对目前基于暗原色先验的去雾处理对图像处理设备要求较高且容易出现晕轮的状况,本文利用指导性滤波和中值滤波相结合的方法代替经典暗原色先验算法中软抠图的方法,改善内存消耗比较大和晕轮明显的缺陷;第二,针对目前在视频图像中基于暗原色先验的去雾算法实时性比较差的问题,本文在求透射率过程中摒弃传统方法,利用指导性滤波和中值滤波相结合的方法优化透射率基础上进一步采用插值法的方法,有效降低了算法计算复杂度,并且处理时间也大为减少。最后,为了验证本文算法的实时性和有效性,本文将算法的图像处理结果和经典的MSRCR算法和基于暗原色先验的算法的图像处理结果进行主观评价的和客观评价的对比,实验结果表明,本文去雾算法在满足图像识别要求的情况下,本文算法能缩短去雾处理时间,有效提高了视频图像去雾的实时性。并且实验证明本文算法在用于计算能力不强的户外监控摄像机上时同样也能有效识别图像中的目标物体,这大大降低了图像视频处理设备的成本。