雾是一种大气现象,大气中各种微粒（灰尘、水滴和烟雾等）吸收并散射大气光线,因此严重降低了景物的成像质量。而许多遥感、智能驾驶辅助系统和监控系统的计算机视觉应用需要清晰的输入图像才能正常的工作。同时,随着短视频的兴起,越来越多的数据通过视频流进行传播,所以视频图像的实时处理需求越来越强烈。本文调研了大量现有的图像去雾算法,以及常用的硬件加速方案后,将基于非均匀大气散射模型的HAP算法通过硬件加速,并基于Zynq平台搭建了一个视频图像去雾原型系统。通过实验分析,证明了该系统具有高性能、低延迟、低功耗的优势。具体工作如下:（1）分析了雾天图像退化的原理,以及大气散射模型。并总结了基于大气散射模型的暗通道先验去雾算法的实现原理以及优缺点,尤其是实时性不足的问题,接着分析了非均匀大气散射模型以及基于该模型的HAP去雾算法。为了满足视频去雾的实时性需求,设计了HAP算法的硬件加速IP核,实现了侧窗滤波、导向滤波、非均匀大气光、暗通道估算等模块,并通过优化指令,最大化了算法的并行度。（2）基于Zynq平台设计了软硬件协同处理的原型系统。将图像去雾算法在可编程逻辑端（PL）用硬件加速实现,而视频图像帧提取、显示等模块放在处理器系统端（PS）。为了使该系统可以在户外使用,编译了定制化的Linux内核、文件系统,并将该原型系统配置为SD卡启动。（3）为了使对比实验平台一致,依照上述的设计流程实现了DCP、CEP、FAST算法。并使用I-HAZE、O-HAZE、RESIDE提供的典型数据集对四种算法进行测试,分析了这四种硬件加速后的算法的效果、性能与系统的功耗。实验结果表明,经过硬件加速后的HAP算法,处理一张550*412尺寸的图片,只需要1.7ms,完全满足实时视频图像的处理需求,同时也说明了该原型系统的可扩展性。