雾霾天气的频繁出现,不仅给人们的身体健康埋下了隐患,也会造成道路及周围生活环境可见度与视觉效果的大幅降低,严重影响了人们对于周边安全的判断,同时使众多基于光学成像的图像采集设备受到干扰,导致了图像的降质与细节信息的丢失,因此图像去雾的研究工作至关紧要。众多的去雾算法中,一部分基于图像还原的去雾算法由于利用了大气散射物理模型并结合大气光值与透射率的估算方法,能较好地逆向还原图像的清晰原貌而备受研发人员青睐。然而,这类基于大气散射模型的去雾算法仍然存在一些问题:第一,传统的大气散射模型是以理想状态下大气光均匀为前提条件的,在去雾的过程中常常将大气光作为一个不变的全局常量进行估算,因而未能考虑到这种理想状态下的描述往往难以反映真实场景下大气环境的复杂多变;第二,基于大气散射模型的去雾算法大多依赖通用CPU或GPU等高性能计算平台,难以满足对体积、功耗以及运行速度等有特殊要求的实际应用场景。针对上述问题,本文对现有的基于物理模型的去雾算法进行了扩展、改进和优化,并利用FPGA的异构并行与加速特性设计了高效的图像去雾硬件系统,具体工作如下:1)本文详细研究了大气散射物理模型下图像的降质过程,分析了非均匀大气光先验的合理性,并基于非均匀大气散射物理模型（Hererogeneous Atmospheric Scattering Model,简称为HASM）,设计了一种新颖的非均匀大气光图的估算方法;同时针对已有的快速去雾算法透射率估算较为粗糙的缺陷,本文设计了改进的透射率细化算法,并从主观视觉效果与客观评价指标（PSNR、SSIM与CIEDE2000）上对比了本文算法与其他四种先进的去雾算法的去雾能力。实验结果表明,本文算法既在主观视觉上获得了较好的体验,也在客观评价指标上取得了不错的提升。2)针对FPGA资源有限、并行性能强的特点,本文对改进后的去雾算法进行了并行优化和FPGA加速设计,同时对算法过程中消耗内存空间的实现方式进行等价替换,以减少对FPGA片内资源的消耗。利用高层次综合工具完成了快速导向滤波、大气光估算、侧窗均值滤波、环境光计算等多个模块的IP逻辑实现,并基于自顶向下的系统设计方法,在真实的物理平台上实现了基于本文算法的硬件去雾系统。最后,本文对比了算法的PC实现与FPGA加速的去雾性能,实验结果表明,较PC实现方案相比,FPGA实现方案虽然在客观评价指标上略有下降（降幅均未超过5%）,但主观视觉体验近乎相同,且处理速度提升了26.4倍,处理一帧512*512的有雾图像仅需6.847ms,满足嵌入式计算环境下图像增强的实际需求。