在现如今这个信息社会,视频图像已经逐渐成为了人们获取信息的主要载体,因此视频图像的质量问题也越来越受人关注。影响图像的问题有很多,一些是硬件问题,但最主要的还是环境的变化。而关于环境的影响因素有很多,常见的比如雾霾、雨水等,本文主要针对不同光照环境下的视频图像展开研究,设计算法使系统能够自动甄别图像的光照环境,并且使用合适的图像增强方法进行图像处理。之后根据这一算法思想设计搭建了监控系统的原型系统,作为其实用性的验证。本文首先设计了在无参考条件下获得图像特征值的计算方法,探究了相同的物体和背景在不同光照情况下的特征值表现,并且试验了不同增强方法对于图像的处理能力,在控制光照这一单一变量的情况下进行了横向对比实验并进行了样例的展示。之后对实验结果进行了统计归纳,确立了各个增强算法的适用范围和选择标准,并以此为基础设计了图像质量检测分类算法。本文针对以retinex理论为基础的相关算法在进行图像增强时出现的问题,本文提出了一种基于retinex理论的图像边缘加强算法的改进算法。其首先针对增强结果细节边缘不明显的问题提出了使用laplcian算子对细节图象进行进一步处理的方法,同时针对图像被加强后容易出现光晕的问题,提出了针对光照图像进行gamma矫正的做法。经过实验对比,该算法有比较好的加强效果,同时适应性更好。然后,基于监控系统实际运行中对于实时性与延迟性方面的要求,设计了多线程的加强方法。之后研究并论证了相邻帧之间的相似性,以灰度直方图相关性算法对于这一问题作了数据上的定量要求,并以此为基础设计了相邻帧相似性的判断处理算法。最后,本文将之前的研究与算法进行了综合,设计出了针对视频监控系统的视频图像质量增强模块,并且围绕它设计搭建了一个监控原型系统,并以此为基础进行实地实验,给出了运行结果,验证了系统的的有效性和算法的可行性。