随着集成电路技术的进步以及嵌入式技术的成熟,采用嵌入式技术的各种产品已经被广泛应用于军事、工业和民用领域。而科技的进步对信息处理技术提出了更高的要求,二维图像处理技术已不能满足发展的需求,因此三维图像处理技术与嵌入式技术结合的新兴嵌入式产品正逐步成为左右国防和工业事业的关键因素。论文以ARM11处理器结合嵌入式Linux操作系统为基础,选用Qt/E4.7作为平台,结合径向基函数(RBF)神经网络改进传统从阴影恢复形状(SFS)算法并移植到嵌入式Linux系统中,实现基于ARM的三维图像处理平台。完成的主要工作如下:搭建开发所需的硬件环境。定制安装PC机的Ubuntu操作系统,并且配置root用户等环境变量;安装VMware Tools、交叉编译器等相关工具;针对硬件平台资源所需的U-Boot、Kernel、FileSystem三部分进行裁剪、配置、交叉编译;实现了嵌入式操作系统的移植,为软件平台的开发奠定了基础。针对传统SFS算法提高重建精度进行改进。嵌入式三维处理软件平台的核心部分是SFS三维重建算法。论文通过对四类经典SFS算法进行了实验仿真和对比分析,解决传统算法中存在使用理想反射模型带来的初始光源不准确以及重建表面过于光滑等问题。本文以改进传统算法,减小算法误差来提高其三维重建能力为目标进行了研究。通过引入RBF神经网络,以新型的反射模型代替经典算法中的Lambertian模型,通过迭代和训练来修正光源参数使其更接近实际的光照信息。同时,通过添加自适应学习率算法,使神经网络的收敛速度加快,并解决了使用神经网络求解SFS问题时容易陷入局部最小值的问题。通过实验验证了改进后的算法不仅训练过程更短,而且其精度更高,误差范围更小更稳定。嵌入式SFS软件设计和实现。在宿主机Ubuntu系统下使用Qt Creator平台对三维图像处理平台的软件框架以及用户界面进行设计,通过槽函数将改进后的SFS算法移植到嵌入式平台下。通过宿主机下的交叉编译环境,生成对应开发板平台下的可执行文件,实现了基于ARM的嵌入式SFS软件开发,并通过四种不同类型的图像对嵌入式图像处理平台进行实测,得到了稳定的重建效果。