В дисертаційній роботі розробляються моделі та методи інтелектуальної прискореної обробки на півтонових зображень на основі апарату штучних нейронних мереж та методів паралельних обчислень, які здатні аналізувати інформацію про розмір зображення для рівномірного адаптивного розподілення завдань по потоках, що дозволяє прискорити інтелектуальну обробку зображень об'єктів як у рухомому, так і в нерухомому станах та класифікувати зображення об'єктів. Подальшого розвитку набула узагальнена модель процесу обробки на- півтонових зображень, яка використовує сукупність засобів та методів збору, накопичення, обробки та передачі потоку або окремого кадру для класифікації зображення об'єкта. Вперше запропоновано метод прискореної скелетонізації бінарного зображення на основі бітових масок та удосконалено метод скелетонізації на основі структурних елементів, що мають зменшену кількість скалярних операцій та обчислювальну складність, а також більшу швидкодію у порівнянні з існуючими методами скелетонізації, залежно від розміру зображення, а також від наявних обчислювальних ресурсів. Запропоновано ярусно-паралельні моделі рядкової та блочної обробки на півтонових зображень, які за рахунок попереднього розподілу вихідного зображення на групи рядків або блоків дозволяють прискорити процес класифікації та уникнути "прокляття розмірності". Результати роботи використані для вирішення завдання контролю виготовленої цегли, що розміщена у вагонетці, а також як незалежний експерт під час вирішення завдань у системі суддівства спортивних змагань.