图像传输技术以其信息量大、容易储存、内容丰富以及诸多优点得以飞速发展,目前,已经广泛应用于社会的各个领域。在智能交通实时监控系统、自动导航系统等的第一视觉是反映在人们眼中最直观的表现。然而在现实生活中,这些系统经常受到雨雾天气的影响,导致视觉下图像模糊。如何利用算法将模糊图像变清晰,在智能交通领域是一个极具挑战的事情。本文围绕雨天和雾天两种天气环境展开算法研究,其主要内容如下:(1)针对雨天情况下雨滴引起的图像降质,本文提出视觉模型优化算法。传统的去除雨滴算法通常是用给定的一个先验进行雨滴识别,进而去除。然而雨滴是透明的,其形状、大小更是千变万化,因此进行雨滴的识别有一定的局限性。为了克服以上缺陷,本文将生成对抗网络与超分辨率网络有机结合,达到了去除雨滴的效果,然后通过实验与Pix2Pix和Attention Gan算法进行对比,实验结果表明,对于图像中不同程度的雨滴量,本文提出的视觉模型优化算法在结构相似性和峰值信噪比上均表现出一定的优势性。(2)针对雾天图像引起的图像降质,本文充分考虑了监控系统的实时性能,提出混合透射率优化算法。暗通道先验算法是如今最流行的图像去雾算法之一,然而,当该算法应用于户外智能交通监控系统时,其实时性可能无法保证。为了克服以上缺陷,本文将引导滤波、中值滤波与颜色衰减模型相结合去雾,优化其透射率,达到去雾效果,然后通过实验与MSRCR和He算法进行对比,实验结果表明,对于不同浓度雾霾下的图像,本文提出的混合透射率优化算法在图像复原效果和运行速度上均表现出一定的优势。