1.基于滚动时域粒子群优化的视频去雾方法，包括如下步骤：

(1)选取第一帧待去雾图像；

(2)在估计大气环境光时输入n个可调参数ρi(i＝1,2,…,n)，且ρi∈(0.8,2.0)，分别针对n个ρi计算得到n个去雾图像；

(3)对n个去雾图像进行图像评估；

(4)采用粒子群优化算法得到图像评估指标最大值Qmax对应的参数ρg，该参数即为该帧图像最佳去雾参数，其所对应的去雾图像为最佳去雾图像；

(5)对该最佳去雾图像进行亮度调整；

(6)视频中所有待去雾图像是否处理完毕？若是，则结束去雾流程，若否，则继续步骤7；

(7)选取下一帧待去雾图像，若该图像与前一次进行参数优化的图像帧数间隔小于25，则采用已由步骤4计算得到的前一帧去雾优化参数ρg计算该帧对应的去雾图像，若图像帧数间隔大于25但小于200，则继续步骤8，若图像帧数间隔大于或等于200，则返回步骤2重新计算该帧待去雾图像的最佳去雾参数ρg及对应的最佳去雾图像；

(8)若相比于前一帧待去雾图像，该图像场景未发生跳转、环境也未发生较大改变，则继续采用已由步骤4计算得到的前一帧的参数ρg计算该帧对应的去雾图像，若该图像场景发生了跳转或者环境发生了较大的改变，则返回步骤2重新计算该帧待去雾图像的最佳去雾参数ρg及对应的最佳去雾图像；

9.转至步骤5。

2.根据权利1所述视频去雾方法，其特征在于：所述步骤(2)中的去雾图像计算方法为：其中Fi(x)为无雾图像，H(x)为有雾图像，Li(x)为采用参数ρi估计的大气环境光，A0为全局大气光，Li(x)、A0的表达式分别为：Li(x)＝min(min(ρimav,0.95)Mave(x),M(x))    (2)式(2)-(3)中：M(x)为粗略估算的暗通道，ρi(i＝1,2,…,n)为可调节参数，mav∈[0,1]为M(x)中所有元素的均值，Mave(x)表示有雾图像的暗通道经过均值滤波的结果，Hc(x)为观察到的有雾图像的RGB颜色，c代表图像的RGB颜色通道之一。

3.根据权利1所述视频去雾方法，其特征在于：所述步骤(3)中的图像综合评估函数为：Q＝(Lvalid)α(C)β(Scolor)γ    (4)其中，Lvalid为有效细节强度，C为结构信息，Scolor为色度信息熵，α、β、γ表示不同指标在综合评价中的权重，这里α＝β＝1，γ＝1.5。

4.根据权利1所述视频去雾方法，其特征在于：所述步骤(4)中的粒子群优化算法为：由n个粒子组成一个群落，在可调参数ρ的取值范围(0.8,2.0)内，由随机函数产生粒子ρi以及粒子速度vi；记第t个粒子迄今为止找到的最佳值为ρt，而整个粒子群搜索到的最佳值是个体极值中最好的，记录该值为ρg；通过个体和整体的最佳值更新另一个群落的个体粒子速度，表示为：vi＝ωvi+c1r1(ρt-ρi)+c2r2(ρg-ρi)    (5)其中ω为惯性因子，其值为非负，c1、c2为学习因子，r1、r2为随机数；由于评估指标Q的计算比较耗时，为了提高去雾速度，本发明设定最大迭代次数作为循环中止条件。

5.根据权利1所述视频去雾方法，其特征在于：所述步骤(5)中去雾后图像的亮度调整采用非线性叠加方法：T(x)＝I(x)+k(1-I(x))I(x)   (6)

其中k为调整系数，I(x)为原始图像，T(x)为亮度调整后的图像。

6.根据权利1所述视频去雾方法，其特征在于：所述步骤(8)中图像场景的跳转或环境的改变采用如下方法判别：比较该图像的灰度图像像素均值和前一帧待去雾图像的像素均值，当像素均值变化超过设定值，则认为场景发生了跳转或者环境发生了较大的改变。