当前,计算机视觉领域中大量的研究都是基于户外采集的清晰图像开展的,而在实际情形中,许多户外图像采集设备面临着诸多可能性,例如由于天气原因,雾天下采集的图像发生严重退质,清晰度差,这将为进一步的目标识别和检测带来极大的困扰。因此为增强其实用性,通过相关技术手段实现图像去雾十分重要。对于户外监控系统,通过实时视频去雾在有雾天气下将会带来更好的场景识别度,辨别场景中的目标,因此视频实时去雾有重要的现实意义和应用。基于暗原色先验理论的去雾算法以大气散射模型为基础,分析了雾天采集的图像降质的物理原因,通过反演雾天图像退化模型复原图像,恢复的图像细节丰富且有良好的视觉效果。但是,暗原色先验理论是针对不含天空区域的图像提出的,在应用方面仍存在一定的局限性,因此针对暗原色先验去雾的不足主要做了如下几方面的工作:针对复原图像的边缘发生光环效应,利用原图像的最小值图对图像的透射率图和复原图像作引导滤波;针对暗原色理论不适用于图像的天空区域,提出利用大津法和梯度特征将图像分割成两个部分并结合邻域中位值重新估算天空区域的透射率的算法FMTO（Field median transmission optimization）,最后利用大气散射模型还原图像;针对暗通道获取时间复杂度高的问题,提出改用分块法来计算;最后基于改进的去雾算法进行视频去雾,提出跳帧法来加速视频处理,并应用于户外监控设备采集的视频上,以更好的识别视频中的目标。实验结果表明,本论文提出的天空分割方案在复原图像的天空区域可以取得较好的去雾效果,复原图像的边缘突出,细节丰富,其平均梯度提高了12%以上,信息熵提高了大约5%,利用分块法获取图像的暗通道和基于跳帧法的视频去雾方案使得原算法在效率上提升3倍以上,去雾后的视频有更高的场景识别度。