现阶段,交通监控系统已成为我国智能交通建设的重要组成部分,我国多数城市已经建立了比较完善的以摄像机为主体的交通监控系统。随着大气污染的日益加剧,经常出现的雾霾天气严重影响了城市交通监控设备的拍摄质量,导致所获取的视频图像清晰度较差,色彩失真度较高,这样雾化降质的监控视频已完全不能满足实际应用的需要。所以,对雾化降质监控视频的去雾处理已得到众多科研人员的重视与关注。本课题主要针对受雾霾影响的交通监控视频,在经典大气散射模型和何恺明提出的暗原色理论的基础上,研究并提出一种面向交通监控视频的去雾算法。主要研究内容如下:首先,针对暗原色先验理论在明亮区域的应用局限性,将二次函数引入容差机制,提出了一种基于二次函数的容差机制透射率修正算法,此外,本文从透射率修正本质出发,采用了一种基于暗原色与逆暗原色线性融合透射率修正算法,将雾化图像的暗原色与逆暗原色进行线性融合处理,获取比较真实的明亮区域透射率,无需识别雾化图像中的明亮区域及非明亮区域和手动设置经验参数值,对含各种类型明亮区域的雾化图像有很强的普适性。为了提升图像去雾的效率,本文采用了自适应快速最小值滤波来获取雾化图像的暗原色通道图,并采用盒式优化的导向滤波对粗略透射率进行细化,最后,本文提出了针对交通监控图像的大气光值估计优化算法。其次,本文将单幅图像去雾进行延伸,针对交通监控视频背景深度信息基本不变的客观事实,提出了透射率通用的视频去雾方法,先用改进的均值背景拟合算法获取交通监控视频的背景,进而求取、修正、细化该背景的透射率,将此背景的透射率当做一段时间内所有帧的透射率,由于背景受雾的浓度变化及交通复杂场景的影响,在一定时间后会发生细小变化,为了确保视频图像在去雾后色彩和结构上的连续性,本文采用一种基于分块分类的卡尔曼滤波背景更新算法,对背景图像在一定时间内进行重新拟合,再结合透射率通用思想对交通监控视频进行去雾处理,实验结果表明,该方法能够很好地对雾化降质的交通监控视频进行实时去雾。