雨、雪、雾霾等恶劣天气会导致严重的大气散射,这会使拍摄设备获取的视频图像色彩失真、对比度降低,导致以提取图像内部特征为基础的比如天网系统等道路监控系统和现在应用比较多的视觉识别系统无法正常工作。所以为了能使这些视频采集系统正常且稳定地工作,使有雾图像中的细节信息恢复,必须行之有效地去除图像中由于天气效果所带来的干扰,使获取到的有雾视频图像的关键信息得以重现,这样的预处理对提高视觉系统的可靠性和鲁棒性具有重要意义,而随着智能化、大数据时代的到来,人们对视频处理设备更是提出了小型化、实时化等要求。首先,本文就去雾研究的重要价值和意义进行了分析,详细介绍了国内外在该领域已经做出的研究贡献以及在研究过程中遇到的问题和解决方案。本文在经典算法的基础上进行了适合硬件移植的几点改进,并在改进算法的基础上给出了去雾系统的总体架构和硬件移植方案,详细分析了子模块的工作原理和实现流程。其次,为了更好地将算法进行硬件移植,本文对原算法做出了以下改进:1.利用暗通道灰度分布直方图求阈值的方法来计算大气光值,避免了复杂的排序问题;2.通过改变滤波窗口大小降低透射率细化计算复杂度,以一定的精细度换取更快的处理速度;3.使用直方图均衡化算法改善复原图像效果。由于视频图像具有连续性和冗余性,所以需要继续对只能处理一幅图像的算法进行改进,使其满足本文处理视频的要求。主要在两个方面提出了优化想法:1.优化大气光值A的计算,解决闪烁问题,提高计算实时性;2.优化透射率计算,提高算法的计算效率。最后在Matlab平台上实验验证了改进算法的可行性。最终,论文使用Xilinx公司的Zynq-7020开发套件进行了图像去雾系统的移植,在PL（Progarmmable Logic）端实现去雾算法关键步骤的IP核（Intellectual Property Core）设计封装以及各个模块搭建,而PS（Processing System）端则主要完成控制工作,包括模块初始化以及一些辅助程序设计。观察最终的实验结果,从去雾效果、资源占用以及耗时等各方面进行评估后可知本文的去雾处理系统达到了预期效果,与软件实现方式对比,不仅速度更快,而且体积和功耗小,具有更高的实用性。