视频和图像信息不仅越来越成为人们生活中的重要部分,同时也是各种视频监控、视觉分析和处理的基础。然而,在现实生活中,各种不良图像采集环境所占比例不断增大,造成所获得的图像对比度低下、内容模糊不清甚至重要内容被遮挡,这直接影响了图像和视频的质量。为了在各种不良的环境下也能获得理想的视频和图像,为进一步的应用奠定基础,有必要对各种不良环境对图像质量的因素进行研究,进一步对成像模型进行建模、对受污染的视频和图像进行还原,最终消除各种不良环境的影响。本文在前人大量研究的基础上,针对各种不良环境对图像质量的影响进行了研究,所获得的成果有:1)夜晚环境下,场景的光照条件差,导致视频和图像的整体亮度和对比度下降,目标和周围的环境融合在一起无法分辨。本文研究了夜晚环境下的成像特点,并分析了经典的针对夜晚环境的图像增强算法,提出了一种新的夜晚环境下的图像和视频增强算法。该算法引入了开方函数的特性和吞噬细节的思想,不仅对夜晚图像和视频进行快速增强,同时能够保持图像的真彩色。2)雾天环境下,由于空气中的大量水汽和颗粒物对环境光线和太阳光线进行各种散射和吸收,从而导致得到的视频和图像整体呈现发白和模糊、图像的整体亮度提升但对比度下降。本文在研究了大气散射模型和Dr.He暗通道理论的基础上,提出了基于亮通道和暗通道的快速去雾算法。该算法提出了新的亮通道思想对大气环境值进行估计,并引入了快速导向滤波对大气环境值和透射率进行细化,在对雾天图像和视频进行增强的同时,极大的提升了处理速度。3)雨雪天时,雨滴或者雪花的出现对目标进行了遮挡,导致了雨雪位置的像素亮度增强,和周围的环境形成很大的差异。本文研究了雨雪的物理特征、视觉模型,并分析了目前已有的一些基于视频和图像的雨雪去除算法,在此基础上提出了基于时空特征统计学习的雨雪去除算法,利用雨雪的时空特征模型区分雨雪和运动物体,然后对对应的雨雪像素进行修复。本文最后针对各种不良环境设计并实现了一个视频图像增强系统。大量的实验表明,本文设计的算法可以有效地对图像和视频进行增强,并且有着较好的实时性能。