针对雾、霾等恶劣气象条件下, 视频监控等户外视频设备对视频图像实时复原的需要, 提出一种快速图像复原算法的FPGA实现方法, 通过适当降低算法复杂度达到了降低时间开销和硬件实现复杂度的目的。通过将一帧视频分解成3×3小窗口进行运算, 以窗口中心像素的流水计算替代一帧视频像素计算, 使每个像素在3个时钟周期内完成全部运算, 确保了系统能够实时复原, 降低了复原模块对硬件的开销。实验证明: FPGA处理结果和MATLAB处理的结果相符, 可以在保证除雾效果的前提下, 实时处理分辨率为640×480视频并以29帧/s速度流畅显示。

基于红外图像和可见光图像在有雾天气下退化过程中的相似性，可以使用大气散射模型对红外图像进行图像复原。但是图像在去雾复原处理后常常会有对比度低，细节不明显的特点，不利于人眼直接观察。针对这一情况，使用 Retinex对去雾后的图像进行对比度增强。经过这两个算法处理后可以提高红外图像的对比度，突出其细节，提高其信噪比，并且具有良好的视觉效果。对算法的改进可以在计算处理速度和算法处理的效果上找到一个平衡点，为后期的嵌入式平台实现实时的视频去雾打下基础。

将有雾图像分割为非天空区域和天空区域, 对于非天空区域, 提出一种优化的暗原色先验思想, 即开运算暗通道算法; 对于天空区域, 引入具有保边去噪的双边滤波算法, 提出一种改进的边界约束算法.运用两种算法分别估计两个区域的透射率, 然后利用大气物理散射模型复原各区域, 最后合并两个无雾区域得到去雾图像.实验结果表明, 该算法很大程度提高了有雾图像尤其是含天空的有雾图像的图像对比度, 改善了颜色失真问题.

在尘雾等恶劣天气条件下，由于大气粒子的散射作用，致使获取的道路图像严重退化，给交通运输带来很大的困难。为了提高道路环境的可视性，文中提出了一种基于WLS的雾天交通图像恢复算法。该算法从大气散射模型出发，首先进行大气光照的估计与白平衡处理，然后结合道路环境的约束，构建WLS框架对大气耗散函数进行估计，从而恢复场景反照率。通过实验分析可知，文中算法能够有效去除图像中雾霾，消除了Halo效应的影响，较好地凸显图像远景的细节信息，实现了交通图像的视见度的提高。

提出了一种应用单目机器视觉技术并结合Hough变换消失线检测和边界检测技术来构建距离深度图的方法, 并应用衰减-空气光去雾模型对图像进行了恢复。结果表明, 采用该方法恢复的道路图像色彩自然, 模型与实际道路完全匹配, 对于不同距离的景物都具有良好的恢复效果。

雾图增强是智能管理系统的一个组成部分，在交通管理系统、公路收费站、轮船、飞机场等场合有着广泛的应用场景。比较了对数函数、双曲正切函数、反双曲正切函数对雾天降质图像亮度分量的调节能力，证明双曲正切函数具有比对数函数更宽的亮度调节能力。在此基础上提出一种基于单尺度Retinex的雾天图像增强方法。该算法首先把图像从RGB彩色空间转换到HSV空间，保持色调分量不变，采用中心可自适应调节的双曲正切函数增强图像的全局亮度，局部细节非线性变换处理进一步提高图像的局部对比度，运用线性拉伸对饱和度进行调整，实现颜色补偿。实验结果表明该方法去雾效果显著，且颜色自然。实验还结合方差、熵和算法运算时间等参数，对该算法与多尺度Retinex算法作比较，验证了该算法在图像对比度、细节增强方面的优越性，且算法速度快，具有应用于实时图像处理的能力。