随着监控系统的广泛应用,对系统有效性及实用性需求提出了越来越高的挑战。然而,由于监控系统大部分安装在户外,因此避免不了会受到天气的影响。即使在晴朗天气条件下,光线在到达镜头前也会受大气的影响;而当恶劣天气条件下,如雾霾天气环境下,这种影响将更加强烈,严重影响着场景的清晰程度。究其原因,是场景表面的反射光在到达镜头前或多或少的受到大气散射作用影响,使得光线改变了其原来的传播路径,这种影响对离镜头较远的场景影响尤为严重。大气的散射作用严重影响着监控系统的实用性,因此必须借助于图像处理技术复原图像,使得监控系统也能够适用于在雾天环境下工作。针对图像复原的方法有很多种,其中针对多幅相同场景图像复原方法可以容易地得出场景深度信息,实现过程相对直观且容易实现,且能够获得较好的处理效果。该方法最大的问题在于多幅相同场景图像的几乎不可满足性,这也限制了该方法的实际应用,没有太大的实用价。而目前针对单幅图像去雾目前大致可以分为两大类:基于图像增强的处理方法以及基于大气成像模型的处理方法。基于图像增强的方法发展比较早,应用性广泛,但针对去雾图像效果不佳。基于大气成像模型的方法实现过程复杂,复原图像质量较好。两种方法各自有优缺点,本文将紧密围绕着上述两类方法展开。本文主要工作有:(1)研究了基于图像增强的去雾方法,并且用matlab对一些经典算法进行了仿真,给出了部分实验结果图及结果分析。(2)研究了基于暗原色先验去雾算法,给出了基于特征识别的大气光强的计算方法,并用c++语言实现了上述算法,给出了实验结果图与对比。(3)针对暗原色先验去雾算法存在的问题,研究了自动亮区识别的暗原色去雾算法、基于邻域相似性的暗原色去雾算法,并针对邻域相似性算法的效率问题给出了基于暗原色先验的边缘自适应模板算法。上述算法均通过c++语言实现,给出了实验结果图与对比分析。