雾天图像往往存在能见度低、灰度集中、对比度低的缺点，这对于公共交通、社区监控、生产生活等都带来了不利的影响，雾天降质图像的清晰化处理是图像处理和机器视觉领域共同关心的重要问题。近年来随着计算机科学的不断发展，对雾天降质图像的清晰化处理提出了更高的要求。图像处理系统的实时性在实际应用中是非常重要的指标，只有对监控设备采集到的图像能进行实时的图像增强处理，才能进行大规模的实际应用。目前国内外对雾天降质图像的清晰化处理和图像采集系统的预处理都进行了大量的研究，但是针对雾天降质图像的实时清晰化处理的方案还不多见，如何对雾天降质图像的实时处理是一个重要的研究方向。雾天降质图像的清晰化处理主要分为雾天图像的增强和雾天图像的复原两大类。本文根据雾天图像处理实时化的要求，将工作集中在雾天降质图像的对比度增强上面，主要工作是针对现有的一些对比度增强算法的一些缺陷，结合雾天降质图像的特点，提出了通过自适应选取阈值，限制直方图均衡化的过度增强，并减少灰度级减少带来的细节损失的改进直方图均衡化算法。并在现场可编程逻辑器件（简称FPGA）平台上实现了该算法。本文第一章首首先绍了国内外相关领域的研究现状，确立了以FPGA作为处理平台，以图像对比度增强作为主要处理手段的研究方案。本文第二章详细分析了雾天降质图像的降质机理和图像特点，并给出了图像质量的评价标准，为后面图像的处理提供了基础和依据。本文第三章在传统的直方图均衡化算法的基础上，针对传统算法在实际应用中表现出来的一些缺陷，提出了通过自适应选取阈值限制直方图均衡化过程中国的过增强和细节损失等缺陷，并尽量增强图像的对比度，保证实时性。并对算法进行了仿真，分析了算法的优势。本文第四章实现了以FPGA为处理核心的图像采集和显示平台，详细给出了图像采集模块、图像存储模块和图像显示的实现方案，并实现了彩色图像的颜色空间转换，为后面的算法验证奠定基础。本文第五章详细给出了改进算法的硬件实现，并利用片上可编程系统（简称SOPC）实现了阈值的自适应选取，最后对算法的实现进行了逻辑上的验证和资源消耗的分析。