图像是人们获取信息的重要途径，它比其他形式的信息所包含的内容更加具体形象。然而在实际情况下所采集到的图像不可避免受到各种因素的干扰，使得获取到图像的质量有所下降，不仅不同程度的影响到视觉效果，而且还会对后续的处理工作带来一定的困难。针对监控中在有雾天气及光照不足条件下采集到的图像不清晰、噪声大等问题，本文研究了两种改进的图像增强算法，并在嵌入式ARM平台上实现了这两种改进的算法。主要的工作有：1.对于利用暗原色先验规律实现图像去雾算法在天空及类似区域失效的局限性以及透射率细化过程比较耗时的问题。在分析其成因的基础上提出了一种改进的有雾图像去雾算法，该方法对天空区域的透射率进行动态补偿，并利用近似的方法加快透射率细化过程。实验结果表明改进的方法能有效的消除天空区域颜色失真现象，并且在满足去雾效果的情况下能提高程序的整体运行速度。2.对于光照不足的低照度图像，基于虚拟曝光模型的低照度图像增强算法不足之处在于采用固定标准差，不能适应在各种噪声水平下图像降噪的要求,同时在暗区噪声的信噪比低致使在这些区域的图像信息的可信度很差，色调映射函数在对暗区的细节增强时容易将噪声放大。本文引入噪声估计方法实现图像中噪声的自适应估计，满足在不同噪声水平下图像降噪要求，并采用分段色调映射函数实现了整体效果的增强和暗区噪声的抑制。实验结果表明改进的方法能有效的估计出图像中的噪声并且实现图像整体效果的增强。3.最后搭建了一套基于ARM平台的嵌入式实验监控系统，该系统中实现了改进的单幅图像去雾算法及低照度图像增强算法。实验结果验证了算法在实际应用中的可行性。