随着中国经济的快速发展和人民生活水平的不断提高,安全防范意识越来越受到重视,视频监控作为开展安防工作最为有效的手段,被广泛应用于公安、交通、金融等诸多领域。然而,在雾、雨等恶劣天气条件下,获取的监控视频图像对比度信息丢失,色彩变淡,场景中信息受损,导致视频无法提供准确的监控信息,给安防工作带来隐患,因此有必要开展图像和视频去雾技术的研究。本文围绕去雾技术开展了以下研究：研究大气散射模型,分析雾天条件下光线的传播规律和图像降质的原因。在此基础上深入研究了基于暗通道先验的图像去雾算法,分析了其优势和不足。根据雾主要影响图像低频分量的频域特性,提出了基于小波变换的图像去雾算法。该算法大幅减少了去雾过程中透射率优化部分的计算量,使算法可以节约90%以上的时间消耗。分析了暗通道先验去雾算法在景物边缘有雾残留的原因,改进了暗通道滤波器结构,提出一种基于九点滤波的透射率估计算法,大幅提高了算法的计算效率。针对暗通道先验在图像明亮区域失效的缺陷,提出了一种改进的暗通道先验去雾算法,通过引入容差机制修正了由于明亮像素干扰导致的透射率估计错误。实验表明,改进的方法能够正确估计图像的透射率分布并得到清晰的去雾结果。根据雾化视频的空时特点提出一种基于平滑滤波的透射率优化方法,大幅减少运算的内存需求,使算法能够移植到嵌入式系统；利用卡尔曼滤波加强了光强估计的准确度,抑制噪声对光强的干扰,消除了视频帧间的颜色跳变。