發(fā)布時間：2020-11-22 06:56

　　 數(shù)字圖像處理在通信、管理、遙感、醫(yī)藥工業(yè)自動化、地震學、機器人技術(shù)、航空航天和教育等領域越來越重要,而在處理圖像數(shù)據(jù)時候,圖像的關鍵在于邊緣特征所包含的信息。邊緣檢測技術(shù)在一般情況下,可以顯著減少處理過程的數(shù)據(jù)運算,同時圖像的物理特性得以保存不改變。不管是圖像分類、目標識別,還是語義分割、場景理解,檢測出目標圖像的邊緣是處理的基礎,以便用于進一步的圖像處理。邊緣檢測技術(shù)可用于評估物體外觀的質(zhì)量,同時對改進技術(shù)路線也有指導意義。然而,邊緣檢測是一項困難的任務,尤其是邊緣不完整或未閉合時。因此本系統(tǒng)將Sobel算法作為核心算法,分析經(jīng)典一階邊緣檢測算法的優(yōu)劣,針對傳統(tǒng)圖像邊緣檢測結(jié)果存在多方向邊緣提取弱、邊緣定位較粗等問題,提出了一種基于八方向的Sobel邊緣檢測算法,對傳統(tǒng)算法進行改進。該算法在原有采用0°和90°兩個方向基礎上增加了 22.5°、45°、67.5°、112.5°、135°、157.5°六個方向的卷積模板,可以更好地檢測檢測多方向邊緣。模板權(quán)值的確定是根據(jù)中心像素點與鄰域像素的歐幾里得距離及方向角度的大小進行加權(quán),中心像素的距離越近,權(quán)重越大,可以檢測到圖像不同邊緣的信息越好。同時將Canny算法中的雙閾值判斷方式運用到本系統(tǒng)中來,結(jié)合改進的算法實現(xiàn)物體邊緣特征提取。優(yōu)化后的Sobel算法系統(tǒng)由于卷積核的數(shù)目和大小的變化,產(chǎn)生了更多的計算量,針對該算法并行度高的特點,采用FPGA作為主控芯片,利用空間和時間并行性完成流水線操作和并行處理技術(shù)設計運算電路,可以提高處理速度。系統(tǒng)整體處理流程為:選用OV7725模組作為圖像采集模塊,經(jīng)過FPGA的攝像頭控制模塊進行初始化配備布置,存儲YCbCr422格式的亮度圖像數(shù)據(jù)輸入到FPGA芯片,之后經(jīng)過FPGA濾波處理模塊和圖形計算處理模塊,將結(jié)果和閾值進行判斷,最后將圖像特征通過VGA控制模塊顯示。本系統(tǒng)設計基于FPGA的邊緣檢測處理平臺具有較高的運行速率,圖像邊緣信息提取較為完整,輪廓清晰且具有較好的連續(xù)平滑性、邊緣線條寬度基本接近單像素。提高系統(tǒng)資源利用率,減少數(shù)據(jù)操作的等待時間,能夠快速獲取目標物體特征,可適用于多種圖像處理領域。
【學位單位】：海南大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TN791
【部分圖文】：

海南大學碩士學位論文??１緒論??１．１課題研究背景及意義??近年來，在新時代圖像處理技術(shù)的飛速發(fā)展下，基于機器視覺的邊緣檢測技工業(yè)檢測和生活服務中普遍應用于多種場合，對圖像邊緣提取的精準度需要做到求精。然而圖像處理技術(shù)的基礎核心是邊緣檢測技術(shù)，首先對實時接收的整幅原邊緣內(nèi)容進行檢測識別，這樣極大地減少了數(shù)據(jù)量，去除了不相關的信息。邊個物體的外圍或圖形的外框，在圖像處理中由許多亮度統(tǒng)一的階躍像素集合，目標圖像與背景圖像之間劃分出來，保留了圖像結(jié)構(gòu)重要的物理信息，所以邊取在圖像處理領域中起著引導作用。對于一副圖像邊緣提取的優(yōu)劣與速度直接決體數(shù)字圖像處理的準確性和時效性，邊緣檢測技術(shù)被格外重視和研究于圖像處。?＿??

圖２理想狀態(tài)下階躍型邊緣數(shù)學模型??ｇ．２?Ｍａｔｈｅｍａｔｉｃａｌ?ｍｏｄｅｌ?ｏｆ?ｓｔｅｐ?ｔｙｐｅ?ｅｄｇｅ?ｕｎｄｅｒ?ｉｄｅａｌ?ｓｔ圖３理想狀態(tài)下脈沖型邊緣數(shù)學模型??．３?Ｍａｔｈｅｍａｔｉｃａｌ?ｍｏｄｅｌ?ｏｆ?ｐｕｌｓｅ?ｅｄｇｅ?ｕｎｄｅｒ?ｉｄｅａｌ?ｃｏｎｄｉ都會有很多噪聲和光線的干擾，會使得上面模型。如下圖所示非理性狀態(tài)下的兩個圖像邊

圖３理想狀態(tài)下脈沖型邊緣數(shù)學模型??３?Ｍａｔｈｅｍａｔｉｃａｌ?ｍｏｄｅｌ?ｏｆ?ｐｕｌｓｅ?ｅｄｇｅ?ｕｎｄｅｒ?ｉｄｅａｌ?ｃｏｎｄｉｔｉｏ會有很多噪聲和光線的干擾，會使得上面理型。如下圖所示非理性狀態(tài)下的兩個圖像邊緣工??圖４實際狀態(tài)下階躍型邊緣數(shù)學模型??Ｆｉｇ．４?Ｍａｔｈｅｍａｔｉｃａｌ?ｍｏｄｅｌ?ｏｆ?ｓｔｅｐ?ｔｙｐｅ?ｅｄｇｅ?ｉｎ?ｒｅａｌ?ｓｔａｔ
【參考文獻】

相關期刊論文 前5條

1 毛元;馮桂;湯繼生;;采用八方向Gabor濾波的指紋識別算法[J];華僑大學學報(自然科學版);2013年02期

2 林雯;;一種基于Canny算子的多重邊緣檢測算法[J];北華大學學報(自然科學版);2013年01期

3 何春華;張雪飛;胡迎春;;基于改進Sobel算子的邊緣檢測算法的研究[J];光學技術(shù);2012年03期

4 賀曉建;王福明;;基于8方向的數(shù)字圖像去噪算法研究[J];電子測試;2010年09期

5 孫成志;解梅;傅海東;;基于FPGA的圖像采集模塊設計[J];單片機與嵌入式系統(tǒng)應用;2008年11期

相關博士學位論文 前1條

1 陸志堅;基于FPGA的卷積神經(jīng)網(wǎng)絡并行結(jié)構(gòu)研究[D];哈爾濱工程大學;2013年

相關碩士學位論文 前10條

1 張雨沐;基于FPGA的視頻圖像處理系統(tǒng)的設計與實現(xiàn)[D];華南理工大學;2017年

2 喬磊;基于FPGA的圖像邊緣檢測系統(tǒng)研究與設計[D];安徽理工大學;2017年

3 胡紅偉;基于FPGA的圖像邊緣檢測系統(tǒng)研究[D];哈爾濱工業(yè)大學;2017年

4 何靜然;高分辨率遙感影像建筑物輪廓提取方法研究[D];成都理工大學;2016年

5 曹山;基于FPGA的實時圖像采集和處理系統(tǒng)設計[D];西安工業(yè)大學;2015年

6 張弛;基于FPGA的視頻運動目標檢測系統(tǒng)設計與研究[D];武漢理工大學;2014年

7 聶飛;基于線陣CCD的探邊系統(tǒng)的研究與設計[D];湖南大學;2014年

8 鄭英娟;基于八方向Sobel算子的邊緣檢測算法研究[D];河北師范大學;2014年

9 侯法柱;基于FPGA的圖像采集與處理系統(tǒng)設計[D];湖南大學;2010年

10 謝艷玲;基于模糊方法和小波變換的圖像邊緣檢測[D];中南大學;2009年

本文編號：2894310