图像增强是图像处理领域的重要一环;随着现代工业技术的发展,图像增强算法的复杂程度以及对其实时性的需求也在不断增大。传统的处理器架构由于其串行处理的特点,难以快速进行大量针对图像像素的复杂运算,导致图像增强算法无法满足实时性的需求。因此利用了 Xilinx公司的ZYNQ异构平台,其同时具有FPGA的高并行性以及ARM内核的专用性,可以完美契合图像增强处理算法。并且该平台利用高层次综合工具能够对算法进行硬件加速优化处理能更好地实现视频增强。首先,本文对图像细节增强算法进行了研究,目的是增强图像的高频分量,突出图像的纹理信息,且对平滑图像的低频分量进行保留,以改善图像的视觉效果。但传统的图像细节增强算法,不能很好地解决增强图像纹理细节的同时去除图像噪声的矛盾。分数阶微分图像增强算法利用分数阶微分具有弱导数性质的优点,可以实现在突出纹理细节的同时非线性的保留图像中的平滑区域。且介绍了经典的分数阶微分算子Tiansi算子,其相比于整数阶微分算子有更加良好的微分特性。并针对Tiansi算子在个别像素点会把纹理区域作为平滑区域处理从而达不到增强效果这一局限性,课题组提出了改进的Tiansi算子,构建了基于二次函数的分数阶阶次模型,节省了人工寻求最佳分数阶阶次的时间,具有普遍性与适应性,并以此算法为基础对视频增强算法硬件加速设计进行研究。其次,基于ZYNQ设计了视频细节增强系统,视频图像输入由TW6874 SDI视频图像解码芯片产生,选取HD-SDI BT.112016bit模式。在ZYNQ平台上设计了行有效数据缓存模式,利用AXI4-Stream Data FIFO缓存一行有效数据并且产生AXI DMA所需要的握手信号。基于ZYNQ的软硬件协同设计思想,视频增强传输系统的视频图像的采集、格式转换、卷积加速处理和视频图像数据的输出显示分配给ZYNQ的PL部分处理,其中视频图像的卷积运算十分适合具有高并行计算性的PL端处理;视频增强算法的特征提取部分以及DMA控制视频图像缓存至D DR3 SDRAM部分分配给PS进行处理,其中需进行浮点数计算的特征提取算法很适合PS端处理。之后对自适应分数阶微分视频细节增强算法的结构进行分析,确定了对视频图像卷积等步骤进行硬件加速。经过详细分析,得出适当的粒度处理方式以及存储结构。利用高层次综合工具中的优化指令对算法卷积运算进行加速优化,主要包括算法中的循环、数组等,最终加大了卷积运算的数据吞吐量从而实现了硬件加速。最后,对实验设备进行了简要介绍。采用自适应分数阶微分细节增强算法进行了 HLS仿真和理论仿真实验,通过SSIM相似性指标对结果进行对比,以验证算法准确性,且结果相比CPU的处理速度有极大的提高。测试了HLS的优化加速指令以及优化后资源利用情况,结果经过HLS优化指令后的算法满足了实时性要求。测试了视频整体增强效果,结果显示可以实现视频细节增强。