題-1_100_100.jpg)
基本信息
- 項目名稱：
- 實時卡通畫生成器——基于FPGA的實時圖像邊緣檢測與目標(biāo)跟蹤系統(tǒng)
- 小類：
- 信息技術(shù)
- 大類：
- 科技發(fā)明制作B類
- 簡介：
- 本項目設(shè)計了一套基于FPGA的實時圖像邊緣檢測與跟蹤技術(shù)的系統(tǒng)。通過對相關(guān)算法的研究和分析，提出一種改進(jìn)型Sobel邊緣檢測算法和一種結(jié)合HSV顏色空間與SAD匹配跟蹤算法相結(jié)合的跟蹤算法，并采用硬件方式，將該算法在FPGA上實現(xiàn)，同時，引入中值濾波，以有效濾除圖像中的噪聲。具體地，與目前主流的圖像邊緣檢測系統(tǒng)相比，所研制的系統(tǒng)提高了圖像邊緣檢測的精度和速度。
- 詳細(xì)介紹：
- 實時圖像邊緣檢測與跟蹤系統(tǒng)是視頻圖像處理的關(guān)鍵部分之一，可運用于車牌識別，視頻運動目標(biāo)跟蹤和自動導(dǎo)航等技術(shù)領(lǐng)域。由于圖像邊緣檢測與目標(biāo)跟蹤需要處理的數(shù)據(jù)量較大，采用目前的軟件方式難以滿足實時性要求，考慮到邊緣檢測與目標(biāo)跟蹤是一個獨立的圖像處理過程，因此，圖像邊緣檢測與目標(biāo)跟蹤可以并且應(yīng)該采用硬件電路方式實現(xiàn)，從而可有效地提高檢測效率，滿足系統(tǒng)的實時性要求；同時，隨著集成電路行業(yè)的發(fā)展，進(jìn)一步將其設(shè)計成一個可復(fù)用的IP核，使其適用于其它數(shù)字圖像處理和模式識別等片上系統(tǒng)（SOC），以有效降低系統(tǒng)成本和系統(tǒng)開發(fā)成本。 本文設(shè)計了一套基于FPGA的實時圖像邊緣檢測與目標(biāo)跟蹤系統(tǒng)。首先，分析系統(tǒng)的設(shè)計技術(shù)指標(biāo)，搭建整個系統(tǒng)結(jié)構(gòu)；接著，通過對圖像邊緣檢測與跟蹤算法的研究和分析，提出一種改進(jìn)型Sobel邊緣檢測算法和一種基于HSV顏色空間與SAD匹配跟蹤算法，并采用硬件方式，將兩種算法在FPGA上實現(xiàn)；然后，采用“自頂向下”的設(shè)計方法，分別對系統(tǒng)內(nèi)部的各個模塊進(jìn)行硬件電路設(shè)計，并采用仿真工具對各個模塊進(jìn)行功能仿真；最后，以Altera公司CycloneII系列的EP2C20F484C7N為目標(biāo)芯片搭建測試平臺，通過了實時圖像邊緣檢測與目標(biāo)跟蹤和設(shè)計技術(shù)指標(biāo)的驗證。 所提出的新的圖像邊緣檢測算法，是在經(jīng)典的Sobel算子模板的基礎(chǔ)上，增加了2個方向模板，即右對角方向模板 和左對角方向模板 ，與經(jīng)典的Sobel邊緣檢測算法相比，采用改進(jìn)型Sobel邊緣檢測算法得到的檢測結(jié)果，圖像邊緣比較平滑，而且邊緣兩側(cè)元素得到了增強，即提高了圖像邊緣檢測的精度。采用并行結(jié)構(gòu)和多級流水線技術(shù)，以硬件方式實現(xiàn)了基于改進(jìn)型Sobel邊緣檢測算法的實時圖像邊緣檢測電路設(shè)計，與目前普遍采用的以軟件方式實現(xiàn)相比，提高了圖像邊緣檢測的速度。而在SAD匹配跟蹤模塊中，提出了一種結(jié)合HSV顏色空間的SAD匹配跟蹤算法，克服了算法受光照的影響。具體地，經(jīng)過多次測試和驗證，結(jié)果表明，所研制的實時圖像邊緣檢測系統(tǒng)處理速度達(dá)到了55幀/秒，系統(tǒng)最高工作頻率達(dá)到了128.12MHz，即達(dá)到預(yù)期的設(shè)計技術(shù)指標(biāo)要求。
作品圖片
作品專業(yè)信息
設(shè)計、發(fā)明的目的和基本思路、創(chuàng)新點、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)
- 發(fā)明目的： 實時圖像邊緣檢測系統(tǒng)可運用于車牌識別，視頻運動目標(biāo)跟蹤和自動導(dǎo)航等領(lǐng)域。由于圖像邊緣檢測需要處理的數(shù)據(jù)量較大，采用目前的軟件方式難以滿足實時性要求。因此，圖像邊緣檢測可以并且應(yīng)該采用硬件電路方式實現(xiàn)，從而可有效地提高檢測效率，滿足系統(tǒng)的實時性要求；同時，隨著集成電路行業(yè)的發(fā)展，進(jìn)一步將其設(shè)計成一個可復(fù)用的IP核，使其適用于其它數(shù)字圖像處理和模式識別等片上系統(tǒng)（SOC），以有效降低系統(tǒng)成本和系統(tǒng)開發(fā)成本。 基本思路： 整個系統(tǒng)由CCD攝像頭、視頻解碼芯片、數(shù)字信號處理單元（FPGA芯片）、SDRAM芯片、D/A轉(zhuǎn)換電路和VGA顯示器組成。其中，數(shù)字信號處理單元是整個系統(tǒng)的核心部分，采用Altera公司Cyclone II系列的EP2C20F484C7N實現(xiàn)，其內(nèi)部包括：視頻圖像采集模塊、圖像格式轉(zhuǎn)換模塊、SDRAM控制器模塊、中值濾波模塊、圖像邊緣檢測模塊、SAD匹配跟蹤模塊和VGA控制器模塊。 創(chuàng)新點： 1 提出了一種新的圖像邊緣檢測算法，以提高系統(tǒng)的檢測精度； 2 采用FPGA芯片，并采用并行結(jié)構(gòu)和多級流水線技術(shù)，以硬件方式實現(xiàn)圖像的邊緣檢測系統(tǒng)，以提高系統(tǒng)的檢測速度。 技術(shù)關(guān)鍵： 1 確保在復(fù)雜環(huán)境下，所研制的系統(tǒng)具備較高的檢測效率； 2 解決在FPGA平臺開發(fā)系統(tǒng)的特殊設(shè)計方法，以使系統(tǒng)具有較高的實時性。 主要技術(shù)指標(biāo)： 1 處理速度：>=50幀/秒 2 系統(tǒng)最高工作頻率：>=100MHz
科學(xué)性、先進(jìn)性
- 實時圖像邊緣檢測系統(tǒng)是視頻圖像處理所需的的核心硬件模塊，可精確和快速地實現(xiàn)圖像的邊緣檢測和邊緣提取。由于圖像邊緣檢測需要處理的數(shù)據(jù)量較大，目前普遍采用的軟件實現(xiàn)方式已難以滿足實時性要求。考慮到邊緣檢測在圖像處理過程中的獨立性，圖像邊緣檢測可以并且應(yīng)該采用硬件電路方式實現(xiàn)，以提高檢測效率，滿足視頻運動目標(biāo)跟蹤系統(tǒng)對實時性的要求。同時，本項目將所提出的這一實時圖像邊緣檢測電路設(shè)計成可復(fù)用的IP核，以便可直接嵌入其他視頻圖像處理及模式識別系統(tǒng)，提高實際應(yīng)用價值。 目前主流經(jīng)典Sobel邊緣檢測算法是利用2個方向算子模板對圖像進(jìn)行鄰域卷積，其中，垂直方向模板 檢測水平邊緣，水平方向模板 用于檢測垂直邊緣。但基于該算法對紋理較復(fù)雜的圖像進(jìn)行邊緣檢測，其檢測效果不理想。本項目改進(jìn)了Sobel邊緣檢測算法，在經(jīng)典的Sobel算子模板的基礎(chǔ)上，增加了2個方向模板，即右對角方向模板 和左對角方向模板 ；與經(jīng)典的Sobel邊緣檢測算法相比，提高了圖像邊緣檢測的精度。
獲獎情況及鑒定結(jié)果
- 1 我校第四屆“挑戰(zhàn)杯”大學(xué)生課外學(xué)術(shù)科技作品競賽一等獎 2 第十一屆“挑戰(zhàn)杯”大學(xué)生課外學(xué)術(shù)科技作品競賽特等獎
作品所處階段
- 中試階段
技術(shù)轉(zhuǎn)讓方式
- 無
作品可展示的形式
- 實物、產(chǎn)品，圖片，現(xiàn)場演示
使用說明,技術(shù)特點和優(yōu)勢,適應(yīng)范圍,推廣前景的技術(shù)性說明,市場分析,經(jīng)濟(jì)效益預(yù)測
- 隨著集成電路工藝與SOC技術(shù)的快速發(fā)展，基于高性能處理芯片實現(xiàn)人類的視覺功能，已成為目前視頻圖像處理領(lǐng)域中最熱門的課題之一。視頻運動目標(biāo)跟蹤技術(shù)是視頻圖像處理領(lǐng)域中重要的研究方向，其中，包括本項目在內(nèi)的實時圖像邊緣檢測成果，對智能監(jiān)控、雷達(dá)跟蹤、工業(yè)機器人控制、醫(yī)療診斷系統(tǒng)等領(lǐng)域具有實際應(yīng)用價值。目前，應(yīng)用的主要領(lǐng)域有： （1）工業(yè)機器視覺領(lǐng)域。 （2）軍事領(lǐng)域。 （3）醫(yī)學(xué)領(lǐng)域。 適用于視頻運動目標(biāo)跟蹤的圖像邊緣檢測方法依托圖像處理技術(shù)，包括圖像采集、圖像預(yù)處理、圖像分割、圖像目標(biāo)特征提取等手段，將機器視覺與多維信號處理和運動目標(biāo)圖像分析緊密聯(lián)系起來。隨著集成電路工藝以及圖像處理技術(shù)的快速發(fā)展，圖像邊緣檢測方法將得到越來越廣泛的應(yīng)用。 綜上所述，正是集成電路工藝和圖像處理技術(shù)的快速發(fā)展，為適用于視頻運動目標(biāo)跟蹤的圖像邊緣檢測方法的研究和應(yīng)用帶來了契機，同時也為本發(fā)明提供了良好的產(chǎn)業(yè)化環(huán)境與廣闊的市場前景。
同類課題研究水平概述
- 實時圖像邊緣檢測電路是視頻圖像處理所需的的核心硬件模塊，可精確和快速地實現(xiàn)圖像的邊緣檢測和邊緣提取。由于圖像邊緣檢測需要處理的數(shù)據(jù)量較大，目前普遍采用的軟件實現(xiàn)方式已難以滿足實時性要求。 目前，主流的圖像邊緣檢測方法有空域微分算子法、擬合曲面法、小波多尺度邊緣檢測法和數(shù)學(xué)形態(tài)學(xué)邊緣檢測法等，其中，空域微分算子法最為常用。若將圖像定義為一個二維函數(shù)f(x,y)，由于邊緣的圖像灰度變化劇烈，其函數(shù)梯度較大，因此，圖像灰度的變化可以采用圖像灰度分布的梯度來映。其中，梯度指向為f(x,y)增加率最大的方向。在目前一般地設(shè)計中，通常運用小區(qū)域模板卷積法來近似計算梯度值，并且使用不同的模板構(gòu)成了不同的邊緣檢測算子，常用的有Robert算子、Sobel算子、Prewitt算子和Laplacian算子等。其中，Sobel算子能較好地抑制噪聲，且實現(xiàn)過程較為簡單，從而得到了廣泛應(yīng)用。 經(jīng)典的Sobel邊緣檢測算法是利用2個方向算子模板分別和3×3區(qū)域圖像進(jìn)行卷積，并將卷積結(jié)果之和輸出，即所需的邊緣檢測值。垂直方向模板檢測水平邊緣，水平方向模板用于檢測垂直邊緣即Sx =(Z3+2 Z6+ Z9)-( Z1+2 Z4+ Z7)，Sy =(Z7+2 Z8+ Z9)-( Z1+2 Z2+ Z3)。目前，一般采用軟件方式來實現(xiàn)經(jīng)典的Sobel邊緣檢測算法，但基于該算法對紋理較復(fù)雜的圖像進(jìn)行邊緣檢測，其檢測效果不理想。
