将图像自低分辨率转化为高分辨率的技术即为超分辨率技术,该项技术在远程视频互联、医疗影像分析、地球遥感和元宇宙等视频图像处理领域都有广泛应用。超分辨率技术能够降低超高清视频获取过程中对视频采集设备的精度要求、降低视频数据传输过程中对传输带宽的要求,因此被广泛应用在需要高清晰度、高流畅度和高细腻感视频的应用场景。目前,基于卷积神经网络（Convolutional Neural Network,CNN）的超分辨率算法性能远优于传统方法,然而由于网络的计算复杂,在终端上部署CNN算法面临计算资源、存储资源和访存带宽的硬件掣肘。因此,本文提出一种在现场可编程门阵列（Field-Programmable Gate Array,FPGA）上部署基于CNN的超分辨率算法的硬件实现,完成一整套由视频输入、视频处理到视频输出的端到端实时视频处理显示硬件实现,主要的工作有:（1）基于硬件适应性和超分辨率重建性能选择合适的超分辨率算法。基于CNN的超分辨率算法性能远远优于传统的超分辨率算法。然而在CNN算法中,参数的传递会消耗巨大带宽,中间过程量的缓存会占用庞大存储资源,卷积计算本身也需要调用大量的计算资源,导致硬件平台的传输带宽、存储资源和计算资源紧张。本文综合考察算法性能以及硬件资源约束,选择基于轻量化CNN的超分辨率算法进行硬件平台部署。（2）为了实现超分辨率算法的硬件加速,本文选择FPGA作为超分辨率算法加速的硬件平台,该平台具有低功耗、高运算并行度、硬件可编程性的特点。在此基础上,本文针对超高清视频的实时处理需求设计了一款搭载Xilinx FPGA的高速数字电路板,硬件资源包括双FPGA核心芯片、16路高清多媒体接口（High Definition Multimedia Interface,HDMI）、8路万兆以太网口和12片共40Gb动态内存空间的双倍数据速率同步动态随机存储器（Double Data Rate Synchronous Dynamic Random Access Memory,DDR SDRAM）。该平台能完成多路4K@30HZ的超高清视频实时处理和显示,面向超高清视频的实时传输、存储和处理提供一整套高性能的硬件解决方案。（3）在自主设计的基于FPGA的实时视频处理平台上进行超分辨率算法硬件加速器设计。并且在硬件加速器设计过程中,对其参数和架构设计进行降低延时的优化设计,显著地缩短超分辨率算法的处理时间。并且配合视频输入输出的逻辑控制代码,在硬件上实现一整套超高清视频输入、超分辨率处理和显示。本文所设计的硬件实现能够支持2K@30HZ视频的实时超分辨处理,处理延时为31.174ms,整体功耗为19.159W,峰值信噪比（Peak Signal to Noise Ratio,PSNR）为32.17d B,最后得到4K@30HZ的高分辨率视频,测试表明该硬件实现性能满足超高清视频的获取需求。