虽然图像采集设备的发展日新月异,分辨率和清晰度不断提高,但普通图像采集设备仍会出现散焦、运动模糊等问题。解决此类问题虽然可以通过提高图像采集设备性能的方式,但图像采集设备的价格往往以和性能不成比例的速度上升。采用图像恢复算法可以大幅提高图像的清晰度和可辨别度,但是图像恢复算法面临计算过于复杂、不能实时性等问题,往往不能得到实际应用。本文使用图形处理器并行计算架构加速了本文提出的一种基于运动检测的视频恢复算法。通过并行化本文提出的基于运动检测的视频恢复算法后,该算法可以实时恢复处理720p的高清视频内容。本文根据图形处理器并行架构的特点,把图像恢复算法分割成多个可以并行计算的子程序,然后把每个子程序派发进图形处理器的多个线程当中并行执行。图形处理器为实现并行计算能力的最大化,对其硬件结构进行了特殊设计,但因此也牺牲了它的逻辑控制能力。针对这一特点,在对图像恢复算法进行并行分割的同时,尽量减少了判断语句以使图形处理器的并行能力得到最大发挥。因为从图形处理器的显存到计算机的主存储器间的传输速率很慢,往往比显存之间的传输速度慢十几倍,本文在处理中尽量减少了显存到主存间的数据传输。虽然这样增大了图形处理器的计算量,速度却得到了提高。本文针对在视频图像中,并不是所有部分都被模糊,而且感兴趣区域一般都是视频中的活动物体这一特点,提出了先对视频进行运动检测,再对视频进行恢复的算法。增加了运动检测后,可以最大限度的减少因为对模糊内容的恢复而产生的对视频其它部分的干扰。在实现方面,本文采用了图形处理器并行架构中NVIDIA的统一计算架构。本文结合了开源的图像处理库OpenCV实现对视频的处理,提高了程序的可移植性,也使程序能很容易的应用在现实系统中。