地球71%的表面被海水覆盖,在全球气候改变的大趋势下,海洋对气候变化的响应直接影响我们的社会、经济、日常生活。因而,海洋中很多相关的问题值得探索研究。但是人类对海洋,特别是深海的认知还远远不够。这促使我们研制先进的仪器,进行实地观测,以此为基础探索更多自然规律,建立完善的理论。在此背景下,设计一套可布放于深海的微颗粒观测系统是一个合理选择。该仪器可用于观测深海海底泥沙、藻类等颗粒物的运动,进而探索海底水体流动、物质交换等规律,为全面认知海洋提供一个可能的角度。该观测系统的典型的工作状态是在2000m海底下,以1280*1024分辨率进行每秒500帧的高速高清图像采集。本文对深海原位微颗粒观测系统设计时的核心算法进行研究,主要工作可概括为理论分析,代码实现,实验验证,最后硬件移植。本文探讨了图像处理算法的原理及实现,主要包括颗粒成像识别和颗粒速度计算,并根据高速摄像的特点进行整合、改进。之后进行水槽实验,验证算法准确性。由于原位观测需要对图像进行实时在线处理,本文的另一项工作是将验证后的算法移植到智能图像处理芯片,实现观测仪器的实际布放运行。主要研究成果包括:1)整合、改进已有算法,确定了颗粒成像识别流程。该算法可以将625 MB/s的图像数据转化为不足4 MB/s的颗粒信息,约为原来的1/150,将数据传输量降低了2个数量级。整个识别流程能够应对高速高清相机产生的瞬时海量数据,实时识别图像中的颗粒,保留有效信息。2)实现了颗粒速度计算算法。基于经典的PTV(Particle Tracking Velocimetry)算法,针对高速高清摄像的特点进行了改进,将概率匹配类型简化为2种,并对复杂匹配类型缩短迭代次数,保证了可实时计算颗粒速度,画出局部流场。3)通过水槽实验,验证了两个算法的准确性。推导了实验装置内的流速范围及流速规律。通过添加粒径已知的塑料砂颗粒,模拟海底流动,验证了算法在颗粒识别、速度计算的准确性,并为后续优化、调整提供支持。4)将算法移植到硬件,实现完整的仪器功能。通过调试智能图像处理芯片,成功将算法移植到嵌入式系统,从原先在电脑上后处理原始图像数据,升级到仪器在线实时处理,上传结果。