智能图像处理及其芯片设计方法是计算机视觉和数字集成电路领域长期关注且快速发展的基础性、交叉性研究问题，在新型显示、视频监控与自主系统等智能终端中具有十分重要的应用。智能图像处理算法属于计算和存储密集型算法，对芯片电路的高效实时处理挑战很大，需要算法与VLSI架构协同的基础设计方法才能满足端侧智能应用对芯片在算法效果、实时性能和硬件耗费等多方面指标的要求。本项目以算法与VLSI架构协同设计方法为核心，围绕图像画质增强和目标感知两类典型问题开展深入研究。主要发现点有：1.提出了通过图像画质增强算法优化改善其VLSI架构效率的系统性方法，设计了全流水的自适应图像细节增强、对比度增强等电路，为高计算复杂度算法的高效芯片实现提供了新的解决思路，被国际知名学者评价“低存储和低带宽”、“提供舒适视觉体验”，集成于4款图像显示处理芯片，批量应用于高端电视。2.提出了硬件友好的紧凑表征图像目标感知算法，发现并设计了简洁高效的深度神经网络拓扑结构及部署策略，建立了端到端全卷积神经网络的图像目标感知模型，被国际知名学者评价“代表性轻量化模型”，批量应用于人脸识别与智能监控系统。3.提出了适配图像目标感知算法的高效高性能VLSI架构，发现并构建了模型自适应映射策略与动态数据流调度机制，解决了模型端侧部署计算资源利用率低、存储访问不均衡难题，被国际知名学者评价“高吞吐、低能耗”，在机载光电系统中完成验证。