近几年我国雾霾天气频发,使得视频监控系统提取的图像质量降低,给图像的识别带来困难。因此研究雾天图像增强算法具有重要的现实意义。针对同态滤波算法及直方图均衡化算法各自存在的问题,本文提出了二者结合的雾天图像增强算法。用改进的同态滤波算法校正光照不均图像的亮度,用对数运算实现非线性问题线性化,同时将低频和高频分量分离开,使用高通滤波器抑制低频信息,然后对低频成分进行直方图均衡化,通过非线性的拉伸使该区域的像素值重新分配。该算法提高了图像对比度,增强了细节及轮廓信息,使雾天图像更具有可视性。但本算法处理后图像的远处景物去雾效果不是很明显。针对上述算法存在的缺点及暗通道去雾算法时间复杂度高的问题,提出了改进的暗通道及MSR雾天图像增强算法。首先用两次引导滤波结合最小滤波方法,优化暗原色先验模型的透射率,然后在彩色空间HSV中,采用双边滤波函数对图像的亮度V进行估计,采用伽马曲线校正入射分量的亮度,采用S型曲线对图像的反射分量进行对比度拉伸处理,再将图像在RGB空间输出。改进的算法能有效地恢复雾天图像的颜色,边缘信息保存的更加完整,光晕现象得到了改善,提高了图像的可视度。但该算法效率相对较低,且对于浓雾天气图像效果不是很好。针对浓雾天气图像退化严重的问题,提出了改进的形态学及MSR雾天图像增强算法。首先采用基于top-hat的多尺度形态学对图像进行滤波处理,用大尺度的结构元素抑制图像的噪声,用小尺度结构元素保持图像的边缘信息。然后用改进的MSR算法对亮度V进行增强处理,用引导滤波代替高斯滤波函数对照度分量进行估计,保持图像边缘的同时提高了算法的运算速率,最后将图像再转换至RGB空间。改进算法去雾效果明显,噪声及光晕现象都得到了抑制,图片更清晰,色彩更自然。该方法对于浓雾图像增强效果显著,不适用于薄雾图像的处理。