雾天条件下,由于受到大气中粒子的影响,成像设备获得的户外场景图像颜色失真,对比度降低,使得视频监控、人脸识别、智能车辆监控等工作无法更好的进行。本文的主要目的是根据视频监控的特点,研究去除雾天条件对视频监控图像影响的算法,为进一步的图像处理及应用提供清晰的图像源。本文在分析雾天图像退化机理的基础上,从图像复原和图像增强两个方面分别对视频监控图像去雾方法进行了深入研究。本文首先深入研究了雾天图像退化模型,仔细分析了具体的物理成像过程,并进行了模型的验证,主要工作包括：光照预处理,大气散射物理模型验证,并初步给出了模型误差。考虑到特殊的雾天条件,部分影响模型的因素可以忽略,因此对模型做了简化。其次,提出了基于先验知识的图像序列去雾算法。在雾天图像退化模型的基础上,分别提出了场景深度相同的雾天图像恢复算法和场景深度不同的雾天图像恢复算法,并与典型的去雾算法做了对比,实验表明算法结果有明显的改善,能够很好的应用于视频监控图像。再次,提出了改进的基于偏振原理的图像序列去雾算法。讨论了偏振镜的工作原理；发现了偏振差分图像与二色散射物理模型的相似性,提出了偏振图像结合二色散射物理模型的去雾算法。另一方面,在现存基于偏振原理去雾算法的基础上,将两种基础的去雾算法结合,提出了改进的基于偏振原理的雾天图像恢复算法,并与其他算法做了对比,实验证明该算法可以有效改善图像的颜色信息和细节信息。最后,提出了基于深度分割的雾天图像增强算法。为了验证深度分割后的图像处于同一深度中,算法首先探讨了同一深度场景图像不变特征,然后利用暗原色方法求得深度图,采用k-means聚类算法对深度图进行深度分割,并对分割后的图像分别进行灰度变换,最终得到清晰的恢复结果。本文提出的几种算法分别有不同的应用条件,理论分析和实验验证证明在各自的应用条件下这些算法都有较好的去雾效果。同时在未使用昂贵测距设备的情况下还初步求得了场景的深度信息。