在雾天等恶劣天气环境下,室外能见度大幅减低,导致成像设备无法采集到高清晰度的视频图像,在实际场景中的应用受到了极大限制。因此,研究高效的视频图像去雾算法,以提高去雾技术的实时性和可靠性,去除恶劣天气因素对图像质量的影响具有非常重要的意义。基于物理模型的去雾方法,使用大气成像模型推导出图像成像的逆过程,从而达到去雾的目的,取得了良好的处理效果,因而成为研究的热点。然而,现有基于图像复原的去雾方法的性能有待提高,且移植到硬件平台时具有一定的局限性,无法较好地完成实时去雾任务。针对这一问题,本文提出了一种高效的基于暗通道先验和边缘保持的自适应阈值去雾算法,以降低去雾算法的复杂性,并提高其硬件移植性。在此基础之上,本文结合现场可编程逻辑门阵列(Field Programmable Gate Arrays,FPGA)的并行处理数据的方式,提出一种基于暗通道的实时视频去雾算法,以满足视频图像实时处理的需求。本文的主要研究内容如下:(1)针对暗通道先验去雾算法(Dark Channel Prior,DCP)在处理包含有大量天空区域的图像时所存在的局限性,如光晕,将其进行硬件移植时存在的算法复杂度高、资源消耗多等,本文引入Sobel算子细化透射率t,使用自适应阈值对大气光值A进行限定以降低算法复杂度。其次,对大气光值和透射率之间的关联进行弱化,从硬件层面起到并行加速的作用。本文算法在保证图像去雾效果的同时,简化了关键参数的求取过程,提升了算法的硬件可移植性,为后期将算法移植到FPGA硬件平台提供理论基础。(2)提出并实现一种基于暗通道的实时视频去雾处理算法。首先设计了集视频图像采集、存储、显示于一体的FPGA图像处理平台,实现了去雾设备小型化,为算法实现提供硬件平台。其次,对基于暗通道先验和边缘保持的自适应阈值去雾算法进行去耦处理之后,用模块化思想进行算法建模,以便将算法移植到FPGA硬件平台。本论文中对图像边缘保持模块、暗通道图求取模块、大气光值估计模块、透射率估计模块等重要部分进行了仿真,以验证算法的合理性与准确性,最终实现了雾天图像的实时恢复。对比分析Matlab仿真结果表明,优化后的算法提升了去雾效果的清晰度;Model Sim仿真结果验证了对本文算法进行模块划分后的可执行性与正确性;板级测试结果显示了去雾后的图像效果,同时,去雾平台的处理速度为30fps,可以满足实时处理视频图像的需求。