光学成像往往会受到雾霾等天气的影响,造成拍摄得到的图像是有雾的,造成信息不全,关键信息无法提取,对正常工作造成不良影响。本论文针对雾天图像退化的问题,研究雾天图像退化机理,并深入了解退化模型,就是否基于退化模型分为两种方法。概括了古典算法,重点介绍了暗通道先验去雾方法,并结合了深度学习,采用了 DehazeNet来学习生成透射率图,尝试在树莓派上运行基于Caffe框架的改进卷积神经网络去雾算法。论文主要研究工作如下:(1)介绍了雾天成像机理和研究现状,对基于基于非退化模型的图像增强算法和给予非退化模型的图像复原方法进行了研究。(2)分析了图像去雾方法的方法优缺点,深入研究深度学习理论,改进卷积神经网络去雾算法。通过建立训练集,网络预训练,对网络进行测试,对算法的处理效果进行质量评价。(3)设计了基于树莓派的图像采集系统:选择嵌入式平台Raspberry Pi 3B搭载专用摄像头,使用VNC作为远程连接软件,最后完成图像采集采集系统的搭建,在Raspbian Stretch系统上采用Python语言完成控制,实现图像的采集,并在嵌入式平台树莓派运行去雾网络算法。