基于Zynq的嵌入式圖像特征提取系統(tǒng)設(shè)計與實現(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、準確提取圖像特征是圖像分割、圖像匹配以及機器視覺等應(yīng)用的關(guān)鍵?，F(xiàn)有的嵌入式圖像處理系統(tǒng)大多采用軟件的方式實現(xiàn)圖像特征提取相關(guān)算法，由于特征提取算法需要對圖像的每個像素點進行操作，計算量巨大，導(dǎo)致整個系統(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)計方案。該系統(tǒng)采用軟硬件協(xié)同設(shè)計的方法，實現(xiàn)了特征提取IP核設(shè)計、硬件平臺構(gòu)建、嵌入式Linux系統(tǒng)移植以及應(yīng)用程序設(shè)計。Zynq采用ARM+FPGA的體系結(jié)構(gòu)，將計算量巨大的圖像特征提取算法卸載到FPGA中實現(xiàn)，利用其并行運算的特點提升系統(tǒng)處理速度和性能;同時結(jié)合ARM處理器，增加系統(tǒng)的靈活性。
　　本文主要內(nèi)容包括以下四個方面:
　　(1)對比分析經(jīng)典角點檢測和邊緣檢測算法，從檢測精度和算法復(fù)雜度上選取用于本文系統(tǒng)中

3、角點檢測和邊緣檢測的算法，針對傳統(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其進行改進，獲取更加細化的邊緣;
　　(2)總結(jié)Zynq平臺關(guān)鍵技術(shù)與開發(fā)流程，采用高層次綜合工具Vivado HLS設(shè)計實現(xiàn)FAST角點檢測和Sobel邊緣檢測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;
　　(4)在自定義硬件平

4、臺上移植嵌入式Linux操作系統(tǒng)，實現(xiàn)應(yīng)用層軟件設(shè)計，主要包括圖像采集、圖像特征提取和顯示三部分。
　　最后，對本文設(shè)計的系統(tǒng)在ZedBoard開發(fā)板上進行了軟硬件聯(lián)合測試，實現(xiàn)了預(yù)期的效果。實驗結(jié)果表明，該系統(tǒng)在角點提取和邊緣檢測上具有較好的效果，且實時性較高。在考慮傳輸延遲的情況下，對于大小為640×480的圖像，F(xiàn)AST角點檢測模塊處理耗時13.06ms，Sobel邊緣檢測模塊處理耗時11.68ms，相比ARM中軟件實現(xiàn)相應(yīng)