随着图像成像设备的逐渐普及以及人们对安全的需求增加,视频监控在日常生活中应用越来越广泛,但是随之而来的图像退化的现象也日益增多。在成像过程中,图像的退化是由许多不同原因造成的,而许多应用及情况总是需要高质量的图像。因此如何有效的恢复退化图像或者增强我们需要的图像细节,就成为图像处理中的一个重要的研究课题。运动模糊图像是由于相机与被摄对象之间的相对位移造成的模糊现象；雾天模糊图像是由于雾天条件下,空气中有大量的悬浮粒子,而导致的图像对比度低、图像模糊现象；这两种现象在视频监控的图像中较为常见,因此本文围绕运动模糊图像和雾天模糊图像的复原进行了研究,以及对图像纹理的增强算法进行了一定研究。本文的主要内容如下：(1)研究了运动模糊图像的频谱图与点扩展函数参数之间的关系。由于运动参数的估计的准确性关系到图像复原的效果,因此针对运动参数的估计,提出了在分块二值化基础上的Radon变换。该方法在有无噪声的条件下,都可以实现对运动模糊角度的准确估计。在准确估计模糊角度的基础上,可以更有效的利用微分自相关方法估计出运动模糊尺度。利用上述两个参数可以提高退化模型的点扩展函数的估计精确度。实验表明,该方法所估计的点扩展函数能够较好的改善退化图像的质量。(2)研究了分数阶微分的增强算法。根据Gabor小波的纹理匹配及参数化的对数迈克尔逊对比度熵的测量(logAMEE)的最佳参数选取的方法,提出了基于Gabor特征的自适应分数阶微分算法。该方法可以自适应确定一部分纹理图像的最佳分数阶微分阶数。因为有时具有相同Gabor特征的图像有时会具有不同的纹理复杂度,所以为了使上述算法更加稳定,引入了表征纹理复杂度的分形维数作为另一个参数,提出了基于Gabor特征与分形维数的自适应分数阶微分的图像增强算法,以达到根据图像自身纹理特征自适应地确定分数阶微分阶数的目的。实验表明,这两种方法都可以根据图像特征自适应地对图像进行分数阶微分增强,并且后者的稳定性较高。(3)研究了基于暗原色先验信息的图像去雾算法,该算法去雾的效果较好,但当图像中存在天空或者白色的景物时,图像会不符合暗原色先验的特点,因此处理效果会不明显。在此基础上,提出了一种基于对数迈克尔逊对比度熵(AMEE)的测量的去雾算法,该算法的核心仍然是暗原色先验信息,只是在关键的透射率估计的问题上,采用了在增强图像对比度的同时也可以减少图像信息损失的AMEE法则,提高了对包含天空区域的图像的去雾效果,而且该方法在估计透射率花费的时间较少,提高了图像去雾的效率。