雾天环境下获得的图像和视频,存在清晰度差、对比度低、颜色失真等严重的退化现象,直接影响和限制了户外视觉系统的作用。因此改善雾天退化图像和视频的质量,降低雾霾等天气环境对户外视觉系统的影响,对有雾图像和视频进行有效的去雾处理,有着重要的现实意义。本文主要研究了图像去雾算法和视频去雾算法,具体研究内容如下:(1)针对基于颜色衰减先验去雾算法的不足,主要从场景深度估计和大气散射系数估计两个方面进行改进。首先详细阐述了关于场景深度估计的改进,通过建立关于场景深度的非线性模型,并利用训练样本学习得到模型的最佳系数,从而得到更加准确的场景深度。然后详细阐述了关于大气散射系数估计的改进,通过定义关于大气散射系数的函数,并利用大量图像实验得到函数的最佳参数,从而得到更加准确的大气散射系数。(2)针对现有的视频去雾方法存在去雾视频各帧在色彩和结构方面不协调,去雾处理时间长的问题,本文提出基于通用大气光值和通用透射率图的视频去雾方法。该方法利用监控视频的特性,将通用大气光值和通用透射率图应用于有雾视频的各帧图像中进行去雾。该方法首先对有雾视频提取背景图像,然后利用单幅图像去雾算法获取背景图像的大气光值和透射率图,最后将该大气光值和透射率图应用到有雾视频的每一帧的去雾处理中,从而实现视频去雾。(3)将本文图像去雾算法和暗原色先验理论去雾算法、颜色衰减先验理论去雾算法进行实验对比,从主观和客观两个角度分析本文算法的优越性。并从实验的角度说明本文提出的通用大气光值和通用透射率图的视频去雾方法的有效性。