本发明公开了一种基于概率优化和神经网络的内窥镜去雾方法及装置，包括以下步骤：采集内窥镜摄像头视野图像数据；转换图像的色彩空间为YCbCr图像；根据YCbCr图像中Y通道图像的亮光点估算环境光值A；建立并优化时空概率代价函数，计算暗通道图D(x)优化的最优参数w和b；利用训练好的卷积神经网络估算透射图T的最优参数ω；根据计算与估算的各项最优参数，采用改进暗通道先验的方法，完成Y通道图像雾气去除；将完成图像雾气去除的Y通道，混合Cb、Cr通道，形成最终图像。本发明与现有技术相比具有更快的运算速度，对视频序列的时空连续性有了更好的优化，对参数有更好的估计方式，从而使得去雾后的图像质量更高，偏色问题更小。