计算机视觉系统已经广泛应用到了生活中的各个方面,如交通监控、行车记录、卫星地图、安全监控等,为诸多生活难题提供了有效的解决方案。但计算机视觉系统中图像采集端容易受天气影响,有雾天气下获取的图像不清晰,严重影响了有效信息的获取。因此,图像去雾研究有着较大的应用价值。目前去雾效果较好的去雾算法,一般存在计算量大、计算时间长等问题,严重制约了图像去雾算法的实际应用。论文以暗通道先验去雾算法为研究对象,对算法进行了优化与改进,提升了去雾效果,并利用OpenCL技术,在CPU+FPGA异构系统上进行了并行实现,提高了算法实现速度。最后对FPGA端OpenCL应用的执行效率进行了研究,通过多种加速优化方法,进一步提升了算法的实现速度。论文的主要工作如下:(1)由于暗通道先验去雾算法计算得到的大气光强度值偏大,使得去雾后的图像偏暗。本文采用求暗通道图像中,灰度值排列前0.1%的所有点的均值作为大气光强度值方式,对算法进行了改进,使得去雾后的图像更加明亮自然,去雾效果更好。(2)针对暗通道先验去雾算法中计算大气光强度值耗时问题,论文采用了一种基于统计的快速实现方式,利用数组统计并记录暗通道图像中各个灰度值的个数,然后按照灰度值,从大到小,计算数组中前0.1%个点的总和,再计算平均值得到大气光强度,大大提升了算法的实现速度。(3)针对算法耗时问题,论文在CPU+FPGA异构平台上,利用OpenCL技术,对去雾算法进行了并行实现,提高了算法实现速度。(4)由于不同FPGA配置状态对OpenCL应用执行效率的影响不同,论文对FPGA端OpenCL应用加速优化方法进行了研究,通过设置合适工作组大小、内存访问优化、循环展开和提高吞吐量几种FPGA端优化方法,大幅度提高了算法实现速度。