视觉是人类获得外界信息的主要来源,大约有超过70%的信息都是通过人的眼睛获得的。随着多媒体技术的发展,视频图像得到了广泛的应用,人们对画质的要求也越来越高。通常在交通场景中都要求能够识别人脸、车牌,在海事监管中都希望能够实时监管目标、及时发现危险以及迅速定位搜救目标。但是在雨、雾等恶劣天气下,大多数的视觉系统,尤其是视频监控系统由于受到外部环境影响,导致图像信号发生畸变,信噪比严重降低,成像质量差、目标信号薄弱、监控画面模糊。因此能够有效的处理图像,提高图像清晰度,就显得十分重要。目前,国内外的提高图像的清晰度的方法大致可分为：基于图像变换的对比度增强法、基于Retinex理论的增强法、利用大气退化模型的图像复原法、基于大气散射理论的方法、基于信息融合技术的多帧图像超分辨率增强法。本论文的主要研究内容有：首先本文在总结上面提到的提高雾天图像清晰度的方法上面重点学习并仔细研究了基于直方图均衡化方法、基于Retinex理论的方法和超分辨率图像重构技术方法。并对各种频域和空域,MAP和POCS的方法的优缺点进行了详细的分析比较。在基本的单幅图像去雾方面,首先对去雾方法做了理论上的介绍,重点研究了基于直方图均衡化法和基于Retinex图像去雾增强的方法。然后在理论的基础上通过编程实现了该两种方法的去雾,对去雾的效果分别进行了仔细分析与比较。最后利用多帧低分辨率图像进行超分辨率重构,首先是在理论上对超分辨率图像重构方法进行了介绍,重点介绍了POCS方法以及其重构中的参考帧、运动估计、参考帧的修正的具体实现和它们在重构中的作用与对重构效果的影响。本论文还在原菱形搜索方法的基础上提出了一种改进型的菱形搜索方法。然后通过编程分别实现了菱形搜索的POCS方法和改进菱形搜索方法并比较了两种不同方法的结果。通过比较,改进的菱形搜索方法较原菱形搜索方法的效果与直方图相当,但平均需要搜索计算的点数少很多,对于实时性要求很高的监控系统来说这将不管是在计算量、存储空间还是计算时间上面都有了很大的提高,所以本文提出的改进方法是有效的方法。