全聚焦方法（TFM）具有成像分辨率高、缺陷表征能力强的优点，但其存在数据需求量大、计算复杂、耗时过长等问题。针对上述问题，并结合激光超声检测技术，进行了基于ZYNQ平台加速的激光超声全聚焦技术研究。首先建立了基于激光超声的全聚焦算法，并引入激光超声方向性系数进行优化；进一步，搭建了激光超声扫描检测装置进行实验验证，使用线激光源激发超声信号，利用多普勒测振仪探测回波信号；然后使用形成的激光超声全聚焦成像算法进行内部缺陷的检测和定位，并与合成孔径聚焦算法获得的结果进行比较，从而验证了算法的正确性和可行性；最后将形成的激光超声全聚焦成像算法移植到ZYNQ平台上，对激光超声全聚焦成像算法进行了并行优化及双核设计，实现了算法加速。研究结果表明：激光超声全聚焦技术相比于合成孔径聚焦技术，成像信噪比更高、定位更准确；基于ZYNQ加速的激光超声全聚焦成像算法不会降低成像质量，且耗时相比于计算机缩短了86%。

通过分析特征点密度与物点聚焦程度的关系，建立基于特征点密度的聚焦测度。将融合特征点密度与边缘信息建立新的聚焦测度，利用聚焦堆栈数据实现场景深度的估计与全聚焦成像。对于由边缘信息建立的聚焦测度在图像纹理区域存在不准确性，该方法可以有效地弥补这一缺点。将刻画边缘信息的Sum-Modified-Laplacian(SML)方法与特征点密度函数相融合建立新的聚焦测度，用于三维场景重构，实现了场景深度估计和全聚焦成像算法。实验结果表明，新方法有效地剔除了SML在纹理区域估计错误的深度值，保留了SML在边缘区域的优势，得到了高精度的场景深度图及其全聚焦图像。