2026年，想用FPGA实现一个‘实时视频去雾’的本科毕设，在资源受限的Artix-7平台上，如何对暗通道先验等传统算法进行硬件加速，并与轻量级深度学习去雾模型进行效果与性能的对比？
导师建议我做图像处理方向的FPGA毕设，目前对视频去雾很感兴趣。看到有基于暗通道先验的传统方法和一些轻量级CNN模型（如AOD-Net）。我的开发板是Artix-7 35T，资源比较紧张。想请教：1. 如何设计高效的硬件流水线来实现暗通道、透射率估计等核心步骤？2. 如果也想尝试部署一个极简的CNN去雾模型，在资源评估和性能权衡上，和传统方法比哪个更可行？希望有具体架构和资源分配思路。
逻辑设计新人甲
