图像边缘检测是获取图像基本结构的主要途径，在模式识别与计算机视觉领域得到了广泛应用。然而，目前图像边缘检测的实现平台主要采用个人计算机系统，由于个人计算机平台体积较大、成本高、使用不便等缺点，导致直接采用个人计算机进行图像边缘检测的应用范围受到较大的制约。如何实现图像边缘的实时检测，满足在场景结构理解中的应用是目前要解决的热门问题。　　图像边缘检测的方法较多，但其有效性不能完全满足人类对场景中结构的感知。随着脑神经科学研究的逐步深入，脑启发式的图像边缘检测方法得到快速发展。其中，结合视觉皮层信息处理机制，模拟视觉初级皮层中简单细胞属性的二维Gabor（2D Gabor）滤波器被用于图像边缘检测。2D-Gabor是优良的边缘检测的算子，它拥有较好的局部性空间特性和方向选择性特性，能够准确完整地提取图像的结构特征。然而，2D-Gabor应用到图像边缘检测时，需要采用不同尺度和方向的Gabor滤波器获取不同的结构信息，这样就需要大量的二维卷积运算，从而导致图像边缘检测的实时性受到约束。由于大量的二维卷积在结构上类似，只需要并行计算就可以提高处理的实时性。可编程逻辑器件FPGA作为现代电子设计中应用较为普遍的器件，具有体积小、可移植性高、功耗低的特点，以及能进行并行处理和流水线操作，能有效地满足计算量大和计算结构类型相似的应用。因此，本文开展了以FPGA为平台的图像边缘实时检测的研究。在分析二维快速卷积算法的基础上，兼顾设计的模块化和可拓展性，充分利用FPGA并行体系架构和丰富的块存储资源，展开了基于FPGA的二维快速卷积实现的深入研究，并进行了相关实验，得出了初步的研究结果。　　首先，建立了基于FPGA图像边缘检测的并行处理架构，该架构模拟初级视觉皮层信息处理机制，实现了有效且完整的边缘信息提取。　　其次，针对具有多方向卷积内核的Gabor滤波器组，设计了基于频域相乘的二维快速卷积处理器来实现硬件加速。　　最后，结合FPGA的流水线结构和分布式并联结构，通过插入多级流水、优化电路结构以及数据位宽控制，从而有效地提高了系统的性能。　　实验结果表明：本文提出的方法，能够有效且完整地提取图像边缘信息，其性能普遍高于个人计算机平台的性能，实现的硬件加速比高达50倍左右,展现了FGPA的强大的并行处理能力，同时也为实现图像边缘检测提供了高效的运算支持。