近年来,随着人们对安全方面越来越高的需求,视频监控得到了越来越广泛的应用,人们对于数字化视频监测系统的要求也随之提高。但是在恶劣环境下,通过视频监测系统获取图像的质量受到了很大的挑战。因为在恶劣环境中,尤其是雾霾天气条件下,获取的图像信息往往都有不好的视觉效果,呈现出清晰度下降、对比度降低的特点,导致视频监测系统的应用效果受到严重影响。因此,研究雾霾天气情况下退化图像的质量提升工作具有重要的实际应用价值。本文针对基于暗原色先验去雾算法的不足提出了几点改进,主要贡献可归纳如下:首先,基于暗原色先验去雾算法在处理明亮区域时,总是出现视觉效果不佳、明亮区域色彩失真的现象。针对这一现象,本文首先改进了大气光估计方法,选取了雾最浓处作为大气光估计的区域,并且考虑了三个颜色通道对亮度的贡献权值,使得改进后的大气光估计比原来更加精准。同时,通过加入容差对暗原色先验去雾算法进行扩充,在原有数学模型基础上修正明亮区域的透射率公式,使得即使雾霾图像中有大片的明亮区域依然可以使用该算法来达到图像去雾的目的。同时,针对细化粗略透射率图时效率低的问题,提出了引导滤波器方法,即用该滤波算子替换原软抠图方法来细化透射率部分,具体做法是通过引导图像对粗略透射率图像进行引导滤波,从而得到细化后的透射率分布,这种滤波方法在保留粗略透射率图像整体特征的同时,还可以获得引导图像的变化细节,很好地解决了方块效应。不同于软抠图全局最优的策略,引导滤波器采用的是窗口内局部最优方法,从而极大地缩减了原有算法运行时间。再者,在图像去雾过程中会引进噪声,对最后去雾效果产生不好的影响,为了解决这个问题,使用非局部均值去噪算法。这种方法充分地利用整幅图像的冗余信息来加权平均去噪,所以能够很好的保持原有图像的各种细节特征,使得去雾图像呈现更好的视觉效果。最后,提出一种盲图像质量评价方法来验证本文算法的效果,即去雾后图像的质量评价问题。该质量评价方法基于人眼视觉特性,通过利用人类视觉系统对比度敏感函数来对空间域噪声检测进行加权,具有较强的主客观评价一致性。而且这种算法不需要参考图像,运算复杂度低。实验表明,无论是主观还是客观的图像质量评价均验证了本文改进算法的可行性与有效性。