图像去雾技术的主要目的是消除图像中由大气散射引起的模糊和低对比度问题，从而恢复图像的清晰度和细节。这有助于改善图像质量，提高视觉感知和图像处理任务的准确性。
通过图像去雾技术，可以显著地增加图像场景的能见度，修复由空气光所引起的偏色现象，从而改善图像的视觉效果。
在此次项目实施的过程中，我们不仅在专业知识上了解到了FPGA等领域、而且在团队合作上，我们进一步理解了团队的力量，总而言之，此次项目中我们收获颇丰。
一、创新计划项目的选题、目的与意义
（一）选题：基于FPGA的图像去雾实时系统
（二）意义：
图像去雾算法作为一种图像处理技术，旨在解决雾霾天气下图像质量下降的问题，这对于提高智能汽车或智能交通等领域的目标、环境识别效果有非常重要的意义。我们通过研究新的去雾算法，不断优化现有方法，提高图像去雾的效果，从而从一定程度上解决雾天环境下目标识别难的问题。图像去雾算法的研究不仅可以在理论上进行探索，还可以在实际应用中进行验证。我们可以将自己研发的算法应用于实际场景中，如户外监控、自动驾驶等，通过实际效果来展示算法的优越性。
二、计划项目的创新点与特色
创新计划项目的创新点主要在暗通道算法的改进上，改进后的算法在计算过程中能够做到更小的耗时和更清晰的图片输出。在透射图的精细化（refine）中原论文使用的是soft matting方法，而我们编码使用的是引导滤波，因为soft matting太耗时间，而引导滤波的时间复杂度是常数并且其效果不比soft matting差。
即使在使用引导滤波代替原文soft matting之后，处理一幅324*284的图像也需要150ms左右，这对于视频处理来说时间还是太长了（一般30ms左右），因此在此次项目中的算法我们采用图像降采样处理。项目进行了实验，其中的降采样率为0.5，理论上来说应该可以减少1/4左右的计算量。
计算雾霾图像暗通道时的一个重要参数为邻域的尺寸。邻域尺寸越大，暗通道边缘信息越不精确，从而去雾图像中的 Halo 效应越严重；邻域尺寸越小， 暗通道边缘信息越精确，但易造成去雾图像颜色过饱和或暗沉现象。当获取暗通道时当最小值滤波器的窗口大小为 15 *15 时，容易将图像的边缘的信息模糊，而最小值滤波器的窗口大小为3* 3 时，图像的边缘信息保留，同时对于图像的非边缘起到平滑作用。
四、创新计划项目实施的进初步成果
（一）算法说明
本次项目的核心部分是图像去雾算法，暗通道去雾算法是一种广泛应用于图像去雾领域的算法。该算法主要基于暗通道先验理论，通过估计图像的透射率和大气光值，从雾霾图像中恢复出清晰图像。
暗通道去雾算法的实现过程：
（1）计算暗通道图：对输入的雾图像进行均值滤波，得到每个像素点的暗通道图。暗通道图是通过取图像中每个像素的三通道中的灰度值的最小值得到的灰度图像。
（2）估计全局大气光：在暗通道图中找到最亮的像素点，将其作为全局大气光的估计值。
（3）估计透射率图：根据暗通道图和全局大气光的估计值，计算每个像素点的透射率图。
（4）修复细节：使用透射率图对原始雾图像进行修复，恢复场景中的细节信息。
（5）调整亮度：对修复后的图像进行亮度调整，以获得更好的视觉效果。
需要注意的是，暗通道去雾算法在实际应用中可能需要根据具体情况进行调整和优化，例如选择合适的滤波窗口大小、引入参数以防止去雾过度等。同时，该算法也存在一些局限性，对于某些复杂的场景或特殊的雾气情况可能效果不佳。在实际应用中，可能需要结合其他图像处理方法或使用更先进的去雾技术来获得更好的去雾效果。
参考文献
陈龙,陈子为,朱美吉,等. 基于FPGA的实时图像去雾系统[J]. 成都信息工程大学学报,2021,36(2):138-142.
王续. 基于FPGA的图像去雾算法及其实现[D]. 江苏:东南大学,2017.
刘华军,张瑞珏,刘建锋,等. 基于FPGA的高分辨率视频图像实时增强去雾系统[J]. 郑州大学学报（工学版）,2020,41(2):19-24.
毕娟. 基于FPGA的单幅图像去雾算法研究及其实现[D]. 陕西:西安电子科技大学,2012.
周晓波,刘桑. 基于FPGA的快速视频图像去雾算法及硬件实现[J]. 计算机工程,2016,42(6):310-315.
付林茹. 基于FPGA的图像去雾算法实现[D]. 黑龙江:黑龙江大学,2020.
张韫皓,黎震海,谢泽鸿,等. 基于FPGA的实时图像去雾算法改进[J]. 长江信息通信,2022,35(10):66-68.
唐宁,赵鹏,吴绍启. 基于FPGA的实时视频图像去雾系统[J]. 计算机工程与设计,2016,37(11):3124-3129,3141.