圖像邊緣檢測并行算法的研究和基于FPGA的實(shí)現(xiàn).pdf

1、在數(shù)字圖像技術(shù)中邊緣檢測是圖像分割、計(jì)算機(jī)視覺、模式識(shí)別等應(yīng)用的關(guān)鍵的第一步,其檢測邊緣的質(zhì)量直接決定了后期高層次圖像處理的效果,如特征提取、目標(biāo)匹配、圖像測量和目標(biāo)識(shí)別的效果。經(jīng)過長期的邊緣檢測算法的研究,邊緣檢測在抗噪能力和檢測的邊緣質(zhì)量上都有了很大的提升,但算法的復(fù)雜度也大大增加。在實(shí)際應(yīng)用中面對海量的圖像數(shù)據(jù),如何保證邊緣檢測算法的實(shí)時(shí)性一直是一個(gè)難題。設(shè)計(jì)運(yùn)算電路固化算法和實(shí)現(xiàn)運(yùn)算并行化可以大大的提高算法的運(yùn)算速度。在這些解決

2、方案中,基于FPGA的邊緣檢測算法設(shè)計(jì)靈活,能夠滿足人們對圖像處理設(shè)備小型化、低成本的需求,有著很好的應(yīng)用前景。
　　本文首先收集了現(xiàn)有的基于FPGA的邊緣檢測實(shí)現(xiàn)方案,了解到受FPGA運(yùn)算能力的限制,基于FPGA的邊緣檢測研究主要集中在改進(jìn)Sobel算子法和簡化Canny算法兩個(gè)方向,雖然算法的處理速度大大提升,但檢測的邊緣在圖像質(zhì)量上還有待提高,而且算法不具備自適應(yīng)性,通用性差。
　　針對這兩個(gè)問題,本文在分析Sobel

3、算子法和Canny算法的基礎(chǔ)上,用NMS改進(jìn)了的基于Sobel算子的邊緣檢測算法,提高了檢測的邊緣的質(zhì)量。通過對比現(xiàn)有的圖像閾值選取算法在FPGA上的適用性,結(jié)合基于Sobel算子的梯度分布特征,提出一種與算法配套的HMSD閾值選取方法。
　　然后本文在FPGA平臺(tái)上設(shè)計(jì)了自適應(yīng)邊緣檢測并行算法,采用流水線結(jié)構(gòu)和分布式并聯(lián)結(jié)構(gòu)對運(yùn)算電路進(jìn)行了并行優(yōu)化,同時(shí)提出一種分割子圖架構(gòu)也有效的縮短了算法的處理時(shí)間。
　　最后本文在開發(fā)