随着计算机视觉与数字图像技术的快速发展,人们对外界视觉信息的获取方式已不再局限于自身的感官系统,而是越来越依赖于户外成像系统获取的图像和视频信息。但是在雾天天气情况下,由于场景成像时受大气中悬浮粒子的散射影响较大,导致成像设备获取的图像和视频出现对比度下降和颜色衰减的情况,从而严重影响了成像系统对有用信息的获取。除此之外,雾天天气的出现也会对水上船舶导航与交通管理产生一定的负面影响。在此背景下,本文从图像复原的角度出发,提出一种基于视频图像前背景分离与帧间关系的视频去雾算法,实现了视频图像的实时去雾处理并达到了较好的去雾效果。首先,在实现对视频图像的去雾处理前,本文使用SVM支持向量机训练生成的线性分类器对视频图像是否有雾进行分类,可有效地判定当前输入的视频图像是否有雾,并根据分类结果对有雾视频进行下一步处理。其次,对于判断结果为有雾视频图像,本文提出了基于前背景分离及帧间关系的视频图像去雾算法对其进行去雾处理。该算法以单幅图像暗通道去雾算法为背景,首先对视频进行分帧处理,并使用背景差分法将视频帧的前景和背景图像分离。接着计算首帧背景图像的大气光值并设置固定阈值,根据前后帧图像大气光值的差值确定是否重新计算大气光值。对于前景图像,本文采用定期更新的方式复用前一帧前景图像的大气光值和透射率,并设置最佳固定间隔使复用大气光值和透射率后的视频图像的去雾效果达到最佳状态。最后将去雾后的前背景图像融合得到去雾后的视频帧,从而实现降质视频图像的清晰化处理。该算法大大降低了视频去雾算法的复杂度,可实现降质视频图像的实时去雾处理,具有较高工程应用价值。最后,本文基于VS2010设计并实现了一个降质视频图像去雾系统来验证本文算法的有效性。该系统首先对输入视频是否有雾进行分类,再根据分类结果进行去雾处理并实时显示去雾前后各视频帧的客观评价指标。通过同步播放去雾前后视频图像的方式,更为直观地展现了视频图像去雾算法的效果。