细胞神经网络(Cellular Neural Network,CNN)是基于Hopfield神经网络和细胞自动机提出的一种面向VLSI实现的反馈型神经网络,其规则的局部连接结构十分适合于解决信号处理问题。同时,它也是一种非线性动态系统,在一个简单的细胞神经网络系统中就会出现有趣的分形现象以及复杂的混沌或超混沌动态特性。本文主要研究的是细胞神经网络(CNN)模板的设计及其在图像处理上的应用。主要针对图像的边缘检测进行CNN的模板设计,并用设计的模板进行计算机仿真。同时用FPGA构造虚拟的细胞神经网络对图像进行实时处理。本文在理论和实践两个方面研究和探讨了系统实现过程中所涉及的关键算法和技术。本文提出了细胞神经网络(CNN)的一种高效数字实现方案,针对细胞神经网络的局部互联性以及模板的时不变特性,采用比特串行的分布式算法来实现胞元的状态更新。采用该架构实现的细胞神经网络减少了硬件资源的占用以及总线的位宽。与细胞神经网络的模拟实现方式相比较,数字实现方案由于采用了分布式算法可以占用更小的面积,从而提供更高的运行速度。采用细胞神经网络进行图像预处理,关键在于模板的设计。本文在研究了粒子群算法收敛过程的基础上,利用该算法收敛迅速的特点,将其引入到细胞神经网络的模板设计中,并将该算法训练的模板应用于图像的边缘提取,计算机仿真结果表明此法优于传统算法处理结果。为对该CNN数字实现方案进行验证,本文提出了以FPGA为核心处理器实现红外视频图像数字预处理系统的方案。该方案硬件电路包括两路视频A/D、数据缓冲同步FIFO、FPGA、数据存储、颜色空间转换等功能模块。系统能够完成对IRFPA(红外焦平面阵列)信号的正确读出,并将读出的视频模拟信号经A/D转换器转换为数字信号,经FIFO缓冲后送入存储器,之后经过CNN处理模块进行必要的处理(边缘提取),最后输出标准的VGA模拟视频信号,传送到显示器。