近年来由于雾霾天气的影响,导致图像采集设备采集的视频图像严重退化,对智能交通、航拍测绘、驾驶辅助和视频监控等应用造成严重影响。图像去雾算法可以从有雾的图像中恢复出清晰的无雾图像,有效提高图像的清晰度。对安防监控车载系统受光照、极端天气影响拍摄的视频图像进行优化处理,重建更可辨析的监控材料及在计算机视觉领域中作为图像检测、识别的前期处理具有重要意义。本文基于Retinex理论和大气散射模型,分别提出了基于分数阶微分和多尺度Retinex联合的雾霾图像增强算法和基于灰色关联引导滤波的图像去雾算法。其中基于分数阶微分和多尺度Retinex联合的雾霾图像增强算法,首先将原始图像用分数阶微分算法进行处理,再把图像从RGB颜色空间转化到HSI颜色空间。用引导滤波器代替多尺度Retinex算法中的高斯滤波器,对饱和层使用伽玛校正功能进行增强。最后将处理后的图像转换为RGB图像,从而得到增强复原后的图像。基于灰色关联引导滤波的图像去雾算法针对基于大气散射模型的图像去雾算法雾气面纱估计不准确,导致图像去雾后存在颜色偏暗、存在晕圈伪影的问题。首先,应用灰色关联理论对雾霾图像的像素值进行判断,将有雾图像的像素分为正常像素和被雾霾颗粒破坏的像素;然后,对雾霾颗粒破坏的像素进行引导滤波,在对数域中估计大气面纱值;最后,依据大气光散射模型反演复原出清晰的图像。实验结果表明,本文所提的两种算法不仅可以有效改善雾霾图像的清晰度,而且能够解决去雾后存在的亮度偏暗、色彩失真和天空区域出现光晕等问题。将基于灰色关联引导滤波的图像去雾算法用于监控视频图像去雾,验证了本文去雾算法的可行性和很好的适应性,并且设计了一种使用FPGA实现该算法的系统架构,为算法应用于实际工程提供了思路,对于交通监控智能化建设有较高的工程应用价值。