随着科技的不断发展,视频已经作为重要的信息载体应用于各个领域。但是摄像头在采集视频图像的过程中非常容易受到外界环境的干扰,使得视频图像质量下降,不能清晰地呈现出图像信息,从而对后续的图像处理以及分析带来不利影响。伴随着生物视觉科学的发展,基于生物视觉机理的仿生智能算法可以很好的解决这类图像问题,但是目前该类算法大多在PC机上进行实验仿真,便携度低、效率低,并且没能很好地应用到实际生产生活中。目前,半导体技术和硬件电路工艺正在高速发展,市面上涌现出许多高性能的芯片和硬件平台,如何将生物视觉计算模型应用在小型硬件平台上,并且能够对低质量的视频图像进行实时增强处理将具有非常重要的实际意义。本文首先介绍了视网膜中的主要结构和两条视觉信息通路:垂直信息通路和水平信息通路,根据视网膜中两条信息通路对视觉信息的处理机制,建立一个适当模型,用来实时增强逆光或者弱光等情况下拍摄的低质量视频图像。根据目前存在的一些芯片和硬件平台的特点,本文分别选择了基于ARM的嵌入式硬件平台和基于FPGA的硬件平台来实现本文提出的生物视觉计算模型。对于ARM平台,本文采用NVIDIA公司生产的Jetson-TX2硬件嵌入式平台来实现算法模型,利用Linux内核中V4L2多媒体框架搭建一个对摄像头实时采集的视频图像进行实时处理的框架,然后将生物视觉计算模型移植到该框架中,最终在基于ARM的硬件平台上实现对视频图像的实时增强处理。对于FPGA硬件平台,本文采用Altera公司生产的高性能芯片,利用Verilog硬件描述语言设计了视频图像实时增强处理系统的电路与逻辑框架。针对FPGA特殊的计算特点以及内部架构,本文对算法模型进行合理的量化处理。由于电路中存在一定的热噪声,所以对视频图像进行生物视觉计算模型处理之后,还对视频图像进行了中值滤波。最后利用SignalTapII逻辑分析仪检测本系统中视频图像的输出时间,结果表明本系统能够对低质量的视频图像进行实时增强处理。