雾霾频出的天气状况影响了户外采集到的图像和视频的细节信息,由于空气中微小颗粒对光线产生了吸收和散射作用,改变了光线的传播路径,成像设备采集到的图像及视频画面出现对比度下降和颜色失真的现象,这对图像分割、目标识别、行为检测等图像处理操作起到了较大的影响。现在很多研究者试图通过图像去雾算法,消除或者减少雾霾天气对户外成像系统的影响,恢复出清晰的图片和视频信息便于更好生活生产,研究图像及视频去雾算法具有很强的理论价值和现实意义。本文首先从物理模型的去雾算法和非物理模型的去雾算法两个方面分析了国内外图像及视频去雾的研究进展、雾天图像的降质机制以及各去雾算法的评价指标。接下来,以图像去雾算法领域内广受好评的暗通道先验知识去雾算法为理论基础,细致深入的研究了该去雾算法。针对该去雾算法存在的不足,提出了 2点改进之处:一是以引导滤波处理暗通道图以期望正确的估计图像中的大气光所在的位置;二是以分段函数的方式表示图像的透射率以期望能够处理天空区域颜色失真的情况。实验结果表明,从主观视觉感受上和客观的性能指标上,本文的改进算法都优于暗通道先验知识去雾算法。同时与近几年来的其他图像去雾算法比较,也可以看出本文改进算法的优势。再次,本文将改进算法运用于视频去雾中,结合视频的自身特点,以及帧与帧之间的相关性,研究了固定背景下的视频去雾的加速方法。使用同一大气光值和通用透射率的方法来处理有雾视频;同时,为了加快视频去雾的处理速度,使用双三次插值算法来对视频帧进行缩放。实验结果表明,对于尺寸为1280 ×720的视频图像,本文视频去雾算法能够达到0.06秒/帧的处理速度。同时本章提出的视频去雾算法处理的结果在视觉效果上也明显优于其他去雾算法,客观性能指标也高于暗通道先验知识去雾算法。最后,本文基于Matlab的GUI编程设计并实现了一个图像及视频去雾系统。该系统软件是一个可执行程序,能运行在其他计算机上,具有系统界面友好,操作简单,功能齐全的特点,能够对图像和视频进行去雾操作,同时可以将去雾的结果进行显示和本地保存等功能。