雾霾天气会造成视觉设备获取的图像对比度降低和颜色失真的现象,影响了以视觉图像为基础的视频监控、智能驾驶、遥感系统等对图像特征信息的获取,进而影响了系统的稳定性。本文对雾天图像退化机理进行了分析,并在Zynq SoC平台上集成了图像采集,雾的检测和暗通道先验去雾算法处理。本设计基于高层次综合技术,对暗通道先验算法进行功能划分,利用ARM处理器处理结构相对复杂的部分,FPGA处理算法中的计算量大且可并行处理的部分,采用软硬协同处理来提高算法的执行效率。本文的工作主要有:(1)在FPGA部分设计暗通道先验算法的硬件加速IP核,包括:暗通道的计算,粗略传输图的计算;导向滤波细化透射率,采用导向图,雾天图像和两者的乘积三路数据分时并行运算的方式加速算法;考虑到导向滤波计算量大的特点,选用具有保持边缘功能的联合双边滤波进行对比;针对天空区域处理后的偏亮的问题,结合雾天天空特征,提出基于亮度和梯度的天空分割方式,并将亮度分割和梯度分割两路数据并行处理加速算法,进一步优化分割出来的天空区域;无雾图像的恢复,采用定点计算、流水线处理的方式优化硬件的处理过程;采用转换到HSV颜色空间,适当增加亮度再转到RGB空间输出,改善了去雾后景物的亮度偏暗问题。(2)在ARM部分实现的暗通道先验算法的功能模块,包括:结合雾天暗通道的特点,设计了基于暗通道的雾的自动检测模块;针对大气光值选取的不准确导致的图像出现失真的情况,采用四叉树分解的算法优化大气光值获取;针对去雾后的对比度不自然的状况,采用自适应对比度增强调整图像整体的对比度。(3)搭建基于Linux的嵌入式处理系统,将硬件加速IP集成到ARM+FPGA结构的SoC上,设计软硬件间的数据搬运模块VDMA的驱动、硬件IP的驱动和人机交互程序,搭建完整的暗通道先验去雾的平台。在不同的场景下对系统的实时性和效果进行定量的评估与分析。本文设计的暗通道先验去雾系统能够对分辨率为640*480的视频图像实现实时的去雾处理,并取得了较好的效果,同时具备功耗低,便携性强的特点。