基于禁忌搜索算法图像识别的硬件实现

摘要

目前图像识别的应用领域越来越广泛，已经逐步走进人们日常生活。但是绝大多数图像识别技术都是基于PC平台的软件实现，其设备大、速度慢、实时性差成为图像识别技术进一步广泛应用的瓶颈。随着微电子学高速发展，芯片集成度越来越高，速度越来越快，使基于硬件开发的图像识别成为可能。并且随着智能优化算法的发展，图像识别与智能优化算法的结合一方面提高了图像识别准确率，另一方面减小了时间消耗。
　　本文从智能优化算法和硬件实现两个角度出发，在图像识别中采用禁忌搜索算法，将其进行硬件实现。禁忌搜索算法是一种智能优化算法，它是对局部领域搜索的一种扩展，是一种全局逐步寻优算法，是对人类智力过程的一种模拟。本文选用的硬件平台是Redcyclone开发板RCⅢ-CY2C20/35，其核心FPGA型号是Altera CycloneⅡ EP2C35F484C8。
　　本文首先验证几种图像预处理方案，从中选取合适的算法进行硬件实现；然后采用不变矩提取图像特征参数，验证了HU不变矩不随目标图像旋转、平移和伸缩变化而变化的特性，并且将禁忌搜索和不变矩的结合算法应用于图像识别中；最后将整个结构进行硬件实现。
　　实验结果表明：不变矩和禁忌搜索结合算法在满足识别准确度情况下，其速度要快于一般不变矩算法，重复识别率要小于一般不变矩算法。在Altera CycloneⅡ EP2C35F484C8FPGA平台下验证，保证较高识别精度的同时拥有较快的识别速度。

目录

独创性声明

学位论文使用授权声明

目录

1 前言

1.1 图像识别的应用与发展

1.2 智能优化算法的应用与发展

1.3 论文的意义、内容以及结构

2 图像识别理论

2.1 图像预处理算法

2.1.1 图像去噪

2.1.2 图像增强

2.1.3 图像分割

2.2 图像识别与匹配算法

2.2.1 不变矩算法

2.2.2 禁忌搜索算法

2.2.3 匹配算法

2.3 本章小结

3 图像识别算法验证

3.1 图像预处理算法验证

3.1.1 图像去噪算法的分析与选择

3.1.2 图像增强算法的分析与选择

3.1.3 图像分割算法的分析与选择

3.2 图像识别与匹配算法验证

3.2.1 不变矩算法验证

3.2.2 图像识别总体算法验证

3.3 本章小结

4 图像识别的硬件实现

4.1 硬件平台以及总体结构

4.1.1 硬件平台

4.1.2 总体结构

4.2 关键模块的实现

4.2.1 伪随机数产生模块

4.2.2 数据转换模块

4.2.3 浮点数运算模块

4.3 图像预处理的硬件实现

4.3.1 图像去噪的硬件实现

4.3.2 图像增强的硬件实现

4.3.3 图像分割的硬件实现

4.4 图像总体识别的硬件实现

4.4.1 不变矩的硬件实现

4.4.2 基于禁忌搜索算法图像识别总体硬件实现

4.5 本章小结

5 结论与展望

5.1 结论

5.2 展望

致谢

参考文献