在箭载导航与机载导航中,以图像匹配导航作为辅助导航的研究受到越来越多的关注。由于天气原因,在高空采集的图像中往往存在大量的云层,对有云层的图像进行目标匹配,会导致匹配精度下降从而影响导航的正确性。针对上述问题,进行云图像检测算法与算法硬件加速研究,提升对图像的实时处理速度,其对实时图像导航中后续云层覆盖区域的修复、图像匹配、目标检测与识别具有重要的意义。针对现有ARM架构的云图像检测算法处理速度慢,纯FPGA架构开发周期长,硬件描述语言图像处理算法编程难的问题,本文提出了使用双核ARM+FPGA架构的Zynq芯片来实现云图像检测算法研究与硬件加速设计。基于Zynq硬件平台,利用软硬件协同设计方式,按照图像读取、数据高速传输、云检测算法加速处理以及图像显示四部分功能,完成云图像检测加速平台搭建。云图像检测加速设计PS端完成系统初始化与配置、使能云检测加速模块以及根据PL发送的中断信号完成云检测时间计算以及数据的存储。PL逻辑功能开发来实现数据的高效传输、图像数据的缓存、云图像检测的加速处理以及图像的显示并且根据任务的完成度向PS端发送中断信号。在加速设计过程中,PC机首先根据KNN与基于邻域特征提取相结合的方式完成图像的云检测处理,之后在HLS中对PC机实现的云检测算法代码进行深度优化,利用HLS对复杂算法代码的高效率转换,将云图像检测复杂算法转换为硬件逻辑电路,实现云图像检测FPGA硬件加速设计。对云检测算法硬件加速设计验证无误后封装为IP核。此外,根据云检测加速总体架构在Zynq硬件验证平台上对云检测加速IP核进行测试与验证,并将处理结果进行显示与存储,从而完成云图像检测算法加速设计。最后,对于分辨率为1024×1024的图像分别使用PC机及本文提出的硬件加速方法进行对比实验,实验结果表明:PC机处理一帧图像时间大约需要12500ms,而Zynq通过调用硬件加速后的云检测IP核,大约需要178ms,其速度提升了69倍,且经过加速后的云检测正确率大约为91%,在实时性及正确率方面均符合要求。HLS实现云图像检测加速设计,可以实现图像高效实时处理与加速,缩短开发周期,在航空航天以及无人机领域的应用与研究有更加广阔的前景。