计算机视觉和数字图像处理的研究与应用越来越收到人们广泛而密切的关注,其中户外视觉系统也在多个领域取得了重大的成果,例如智能交通、视频监控、遥感监测等。然而,恶劣的环境对户外视觉系统造成了极其严重的干扰,其中高光谱图像中存在的典型的条带噪声以及视频中常见的雨点、烟雾都会对图像/视频的质量带来极大的损害。为了得到高清晰度高质量的图像/视频,去除以上所述的噪声所带来的负面影响具有特别重大的实际意义。本文主要针对高光谱图像中存在的条带噪声以及视频中出现的雨点和烟雾这三种恶劣环境下的退化视频/图像复原方法进行研究,主要工作如下:(1)考虑到干净的高光谱数据具有低秩特性,且不同的谱带图像间存在着差异,本文提出了一种基于谱空一致性正则化的张量恢复方法来移除条带噪声。然后,本文使用收敛的多模块交替方向乘子法(ADMM)来解决该算法模型。最后通过实验结果来验证本章算法的有效性,且实验结果表明,本文的算法在客观和主观评价上都取得了较好的结果。(2)本文从雨点的光滑、稀疏性以及视频的低秩特性和局部、全局一致性出发对已有的传统算法进行优化改进。考虑到风的影响,导致雨与水平方向成一定的倾斜角,再加入旋转算子,来提出新的基于张量恢复的自适应视频图像去雨算法模型并使用交替方向乘子法来进行推导求解,最后通过真实数据和仿真数据来得到最终的实验结果。实验结果表明,相比其他的视频去雨算法,本文的去雨算法具有较明显的优势。(3)本文考虑到烟雾与雾霾存在一定的区别,从空时一致性的角度提出了一种基于低秩张量的去烟算法,最后使用交替方向乘子法来实现去烟算法模型的优化推导求解。实验结果表明,相比其他去雾算法,本文的去烟算法在针对烟雾处理的问题上具有显著的去烟效果。