海、陆交通监控、工厂生产监控、公共场所安全及智能导航等户外计算机视觉系统在人们生活中发挥着越来越重要的作用。然而,在雾天天气条件下,户外视觉系统获取的图像大都会出现不同程度的退化,对比度较低,图像中包含的大量细节会变的模糊甚至被掩盖,严重时会导致获取户外景物图像的设备无法正常运转。因此,本文针对雾天采集视频图像的退化问题,从图像增强角度出发结合变换域局部性、多分辨率、多方向性特点对雾天降质视频图像进行清晰化处理,以提高视频清晰度。首先,为克服常用去雾增强算法只单一的从频域或时域对图像整体进行增强,对于图像的局部细节特征还需进一步完善,本文采用小波变换对雾天降质视频图像进行增强。通过对图像小波分解后系数特性的分析,确定阈值函数对子波系数进行修正再反变换到时域进行对比度拉伸,得到清晰化后的图像。随后发现,视频每相邻帧景物具有较强相关性,而散落的雾具有弱相关性。因此,利用视频这一特性并结合单帧小波去雾阈值函数,提出了基于帧间关系的图像序列小波去雾算法,利用MATLAB仿真验证,通过峰值信噪比、图象熵等参数比较分析以验证本算法的有效性与优越性。最后,利用视频图像小波去雾思想,针对小波变换只有有限个方向,边缘刻画无方向性问题,提出了基于轮廓波变换的降质视频图像去雾算法。通过轮廓波变换将高、低频系数有效分开:低频部分采用Visushrinking阈值法进行噪声去除,处理后的图像相对平滑;高频部分利用自适应阈值法将系数分类,并利用增强函数对分类后的系数处理,抑制噪声、增强细节;最后重构到空域进行对比度拉伸。通过仿真实验及数据对比验证该算法有效。