基于Zynq的嵌入式圖像特征提取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、圖像特征提取是數(shù)字圖像處理技術(shù)高層次應(yīng)用的前提和基礎(chǔ)，快速、準(zhǔn)確提取圖像特征是圖像分割、圖像匹配以及機(jī)器視覺等應(yīng)用的關(guān)鍵。現(xiàn)有的嵌入式圖像處理系統(tǒng)大多采用軟件的方式實(shí)現(xiàn)圖像特征提取相關(guān)算法，由于特征提取算法需要對(duì)圖像的每個(gè)像素點(diǎn)進(jìn)行操作，計(jì)算量巨大，導(dǎo)致整個(gè)系統(tǒng)的性能和處理速度普遍不理想。而采用分散的多處理器架構(gòu)，又會(huì)導(dǎo)致系統(tǒng)開發(fā)的難度增大，系統(tǒng)穩(wěn)定性降低等問題。
　　針對(duì)以上問題，本文提出了一種基于Zynq的嵌入式圖像特征提取系

2、統(tǒng)設(shè)計(jì)方案。該系統(tǒng)采用軟硬件協(xié)同設(shè)計(jì)的方法，實(shí)現(xiàn)了特征提取IP核設(shè)計(jì)、硬件平臺(tái)構(gòu)建、嵌入式Linux系統(tǒng)移植以及應(yīng)用程序設(shè)計(jì)。Zynq采用ARM+FPGA的體系結(jié)構(gòu)，將計(jì)算量巨大的圖像特征提取算法卸載到FPGA中實(shí)現(xiàn)，利用其并行運(yùn)算的特點(diǎn)提升系統(tǒng)處理速度和性能;同時(shí)結(jié)合ARM處理器，增加系統(tǒng)的靈活性。
　　本文主要內(nèi)容包括以下四個(gè)方面:
　　(1)對(duì)比分析經(jīng)典角點(diǎn)檢測(cè)和邊緣檢測(cè)算法，從檢測(cè)精度和算法復(fù)雜度上選取用于本文系統(tǒng)中

3、角點(diǎn)檢測(cè)和邊緣檢測(cè)的算法，針對(duì)傳統(tǒng)Sobel算子所提取邊緣較粗的問題，采用非極大值抑制算法對(duì)其進(jìn)行改進(jìn)，獲取更加細(xì)化的邊緣;
　　(2)總結(jié)Zynq平臺(tái)關(guān)鍵技術(shù)與開發(fā)流程，采用高層次綜合工具Vivado HLS設(shè)計(jì)實(shí)現(xiàn)FAST角點(diǎn)檢測(cè)和Sobel邊緣檢測(cè)IP核;
　　(3)采用自定義外設(shè)的方法，以IP核為基礎(chǔ)構(gòu)建集圖像采集、圖像特征提取硬件加速、HDMI顯示為一體的嵌入式圖像特征提取硬件平臺(tái);
　　(4)在自定義硬件平

4、臺(tái)上移植嵌入式Linux操作系統(tǒng)，實(shí)現(xiàn)應(yīng)用層軟件設(shè)計(jì)，主要包括圖像采集、圖像特征提取和顯示三部分。
　　最后，對(duì)本文設(shè)計(jì)的系統(tǒng)在ZedBoard開發(fā)板上進(jìn)行了軟硬件聯(lián)合測(cè)試，實(shí)現(xiàn)了預(yù)期的效果。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)在角點(diǎn)提取和邊緣檢測(cè)上具有較好的效果，且實(shí)時(shí)性較高。在考慮傳輸延遲的情況下，對(duì)于大小為640×480的圖像，F(xiàn)AST角點(diǎn)檢測(cè)模塊處理耗時(shí)13.06ms，Sobel邊緣檢測(cè)模塊處理耗時(shí)11.68ms，相比ARM中軟件實(shí)現(xiàn)相應(yīng)