图像去噪是图像预处理的一个重要环节,是进行后续的图像分割、边缘检测、图像识别和图像检索等步骤的前提。相比于传统的图像去噪算法,如中值滤波和均值滤波等,基于神经网络的去噪算法去噪效果更为理想,但是神经网络计算复杂,基于神经网络的去噪算法耗时较长。因此,很有必要对基于神经网络的图像去噪算法的硬件实现进行研究。本论文对基于ICM的图像去噪算法的硬件实现方法进行了研究。文中主要的研究工作如下：1.本文阐述和探讨了神经网络的基本理论和在图像去噪中的应用,研究总结了数字图像处理的硬件实现方法,特别对FPGA硬件实现的基本原理和设计方法进行了详细分析,为本文的研究工作奠定了扎实的理论基础。2.提出了采用硬件编程技术实现ICM图像去噪系统的方法和设计思路,设计了硬件实现框图,在DE2-70开发板上实现,并详细介绍了设计中的关键性模块：图像存储模块、WY卷积模块、ICM模块、去噪滤波器模块和VGA显示模块。3.提出了采用NiosⅡ技术实现ICM图像去噪系统的方法和设计思路,设计了底层硬件实现方案和软件部分的算法实现方案,并在DE2-70开发板上实现。通过SOPC builder搭建底层硬件平台,在NiosⅡ IDE中实现软件部分的算法。4.对基于硬件编程技术和基于NiosⅡ技术的图像去噪实验结果进行了分析。实验中对图像加入不同程度的噪声,分析和对比两种方法的实验结果,验证了硬件实现算法的可行性。对两种方法的实验结果进行了对比,并和Matlab仿真实验结果进行对比,结果显示了硬件实现和matlab仿真实现在去噪效果基本相同,而硬件实现的去噪速度远胜于matlab仿真,且基于硬件编程的图像去噪比基于NiosⅡ技术的图像去噪更快。