受雾霾天气的影响,室外拍摄的视频、图像不可避免的遭到降质,图像对比度和信息辨识度严重降低,给诸如室外目标识别与跟踪、公路视频监控等领域的工作开展增加了一定难度。因此对图像去雾的研究具有广阔的应用前景。目前,图像去雾算法已取得了不错的研究成果,如暗通道先验图像去雾算法,由于良好的去雾效果和较低的计算复杂度被广泛应用在计算机视觉领域。但随着近些年高清视频的发展,对图像去雾的实时应用提出了更高的要求。暗通道算法因难以在普通CPU平台上达到实时处理,限制了进一步的推广。现有研究工作利用GPU并行计算实现对暗通道算法的加速处理,但仅能达到对较低分辨率图像的实时处理,与高清视频图像实时去雾的目标仍有相当距离。本文基于对经典暗通道先验图像去雾算法的研究,提出了一种GPU高性能并行计算方案,实现了高清视频图像的实时去雾。本文的主要创新性工作如下:一、对暗通道先验图像去雾算法在视频图像去雾中的应用做出优化和改进。针对将暗通道算法逐帧处理应用在视频去雾上,提出一种基于前向预测的平均大气光值计算方法,有效地控制了相邻帧由于大气光值不同所引起的视频闪烁问题。改进后的算法能够很好地应用在视频图像去雾中,并获得了良好的去雾效果。二、针对改进后的暗通道先验图像去雾算法,提出GPU高性能并行计算方案,实现了高清视频图像的实时去雾。针对算法计算复杂度高的几个模块,本文提出了一种基于转置的积分图并行算法实现了均值滤波算法模块,并通过合并步骤进一步提升了导向滤波的算法效率;引入一种快速滤波方法对最小值滤波进行了优化;为保证算法效率,结合归约算法,提出了一种合理简化的分块大气光值计算方法。实验结果表明:在不损失处理精度的条件下,本文所提GPU并行算法,对1080p高清视频图像在Tesla C2075和K80 GPU上分别可以达到39fps和52fps的处理速度。相比CPU,加速比分别达到31倍和40倍以上,能够满足高清视频图像的实时去雾要求。