近年来,频发的雾霾等恶劣天气对于户外视频监控系统的正常工作造成了严重影响。在雾霾天气下,通过摄像机所采集到的视频图像经常会出现色彩偏移、对比度下降、整体灰白等图像降质问题。这很大程度制约了视频监控系统效力的发挥,对于平安社会建设、智能交通管理、城市信息化建设等这类社会工程带来不利。目前以暗通道先验为代表的单幅图像去雾算法的研究取得了很大进展,但是专门关于视频去雾算法的研究相对较少。基于暗通道先验逐帧处理的视频去雾算法未考虑视频特性,在透射率估计上存在严重的时间冗余,因此有必要利用帧间相关性对逐帧视频去雾算法进行改进。另外,视频去雾算法的性能很大程度上取决于单幅图像去雾算法性能,为满足工程实时应用,研究一种相对暗通道先验更为简单快速的单幅图像去雾算法,经算法改进和系统实现优化以期达到监控场合视频实时去雾的要求,该工作有很强的实用价值。针对以上问题,本文从以下方面对监控视频去雾展开研究:1)在对监控视频特性分析的基础上,采用暗通道先验理论,提出了一种基于帧间块匹配的监控视频去雾算法。类似于视频编码,在去雾时,先对有雾序列进行分组,目前只包含I、P帧,I帧粗糙透射率采用暗通道先验理论计算,P帧粗糙透射率则采用帧间块匹配求取,后经导向滤波进行优化和修正,得到最终透射率。采用该算法,在一个组内只需要计算一次透射率,避免了视频序列逐帧求取透射率过程时一些不必要的计算,并且提高了去雾的整体性。2)为满足视频实时处理的需求,考虑到单幅图像去雾算法的效率对于整个视频去雾算法的处理效率有着很大影响。本文基于一种通过有雾和无雾图像之间近似线性关系逐点估算透射率的图像去雾算法,并对其改进,在透射率估计阶段改为采用自适应参数,从而能够很好地处理天空及近景颜色中较亮物体。在matlab仿真下,改进算法相对暗通道去雾算法在速度上提高大约2.5倍,且由于采用的是逐点估计透射率方法,避免了透射率估计时的数据耦合,为实时工程应用带来益处。3)将2)中改进的单幅图像去雾算法采用帧间差分框架拓展为监控视频去雾算法,并在普通PC的Visual Studio平台,采用c+Opencv编程进行实现。实验结果表明,在普通PC上,所提算法在处理640*480分辨率的有雾监控视频能够达到46fps,满足实时处理需求。与现有的采用同平台的快速视频去雾算法相比,所提算法去雾后图像细节更加清晰,且去雾速度也更快。