【《数字特征识别FPGA系统设计分析》11000字(论文)】_第1页
【《数字特征识别FPGA系统设计分析》11000字(论文)】_第2页
【《数字特征识别FPGA系统设计分析》11000字(论文)】_第3页
【《数字特征识别FPGA系统设计分析》11000字(论文)】_第4页
【《数字特征识别FPGA系统设计分析》11000字(论文)】_第5页
已阅读5页,还剩20页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

·1··PAGE5·数字特征识别FPGA系统设计分析目录TOC\o"1-3"\h\u4968摘要 151051概述 2243281.1数字识别的研究背景及意义 2104031.2数字识别的研究现状 3226201.3课题研究的主要内容 4153602系统设计方案 6121222.1采集设备 6221212.2基于FPGA的数字识别的方法 725812.3基于数字特征算法实现数字识别 7122812.4目标跟踪方法 923742.5系统整体方案 9131563系统电路实现 1136253.1基于FPGA的数字识别的实现 11166173.2数字特征识别 13133623.3数码管显示结果 14311504实验结果及分析 15177594.1图像预处理 15243954.1.1图像采集 15261694.1.2图像截取 16123604.1.3中值滤波 16242584.2二值化图像存取 17291384.3字符分割 19204444.3.1垂直分割 19225294.3.2水平分割 19248204.4数字特征提取识别 2024024.5结果输出 204084结论 2324474参考文献 24摘要在日常生活中,图像随处可见,它也是科技、军事、交通等多领域研究的基本要素之一。在一副特定的图像中,人们往往通过某些特征点去快速区分图像信息,因此对图像进行特征化地分析与研究就显得十分重要了。通常图像中的数字以及字符、单词等能够更加吸引观察者的注意力,引起观察者的兴趣,因此人们往往在图像中加入数字等元素,以方便智能设备去加以识别,提取关键信息。本次选题设计使用Xilinx公司的spartan6系列的FPGA集成开发板作为开发板来验证设计的程序算法的准确性,设计利用OV5640型号摄像头作为采集装置,完成图像的采集工作,然后针对采集的图像信息进行一系列的算法处理,其中包含了图像预处理、二值化图像存储、字符分离和最后的数字特征提取等,最终通过一块4.3寸的液晶显示屏显示原彩图像及二值化后的图像,然后摄像头把采集到的图片中的数字信息提取出来显示在开发板自带的6位数码管上面,数码管显示识别到的数字以及数字累加和信息。通过仿真软件Modelsim软件进行仿真,完成对各部分的信号验证工作,最终验证了程序的功能。通过实验结果,本设计在占用少量的资源的基础上完成了印刷体数字的识别以及二值化图片的处理,实验结果具有一定的研究价值。关键词:FPGA,OV5640,LCD,数码管,显示1概述1.1数字识别的研究背景及意义在日常生活中,字母与数字随处可见,马路上的红绿灯倒计时、汽车牌照、时间显示、身份信息、超市物品条码等等,可以说我们生活在一个数字信息化的时代。我们肉眼可以分辨这些数字信息,但是人的记忆是短暂的,想要做到信息的永久性存储与实时交互,还是需要设备对其进行识别与记录的,并且随着信息技术与科技的不断发展,也创造出了许多识别数字与字符的设备系统,例如条码识别系统、违章车牌识别系统、快递分拣识别系统、银行点钞系统等等,而且它们都有着无可替代的作用,已经融入到了我们的生产与生活当中[1]。伴随着使用范围的逐渐扩大,其识别准确度与效率也被赋予了新的要求,各种新的算法、新的检验设备应运而生。数字识别,主要是通过对图片的处理、分割等操作,进而检测识别出图片中的阿拉伯数字[2]。而图片的来源可以是摄像头采集设备的拍摄输入,也可以是现有图片的输入,本次设计中针对原彩图片的二值化处理采用的是现有的图片,而针对印刷体数字的识别采用的是摄像头采集模块进行图像的采集与处理。其中阿拉伯数字只有0到9这10个数字特征,但是这其中并非每个数字特征均有区别,个别数字特征相差不大,需要进一步通过其他判据来区分,而以上数字仅仅只是针对印刷体数字,若是增加手写体数字的特征识别,那么其结果将会变得更加难以分辨,所以从目前来看,数字特征识别的发展技术还有待提高[3]。特别是那些安全性要求很高的领域,如涉及财务、金融等行业,对数字识别的要求更加严苛,并且随着科技水平的发展以及需求地不断提升,数字识别必然会被赋予更多更高的要求,对高效率及高质量的数字识别技术的研究也更加具有挑战性。现场可编程门阵列(简称FPGA)作为一款应用广泛的集成控制芯片,它不同于单片机,需要特殊的软件及语言对其进行编程,器件的内部具备丰富的片上资源,使用者能够非常方便地去调用它们,从而进行模块化地设计工作。能够灵活地配置硬件线路,运用其内部多样化的布线资源,模拟出用户自定义的逻辑硬件电路,实现门电路、触发器、状态机、复杂RTL数字系统等等[4]。能够弥补单一模拟器件逻辑门电路不足的缺陷,其特有的仿真分析也可以验证设计电路的正确性,加强设计的稳定性与说服力。由于FPGA的时钟频率能够设置的很高,因此它的处理速度能到很高,故也常常被应用在图像处理、视频处理等领域,其特有的锁相环及时钟系统也决定了它更加优秀的性能与被选择程度。FPGA同时具备静态存储(简称SRAM)、动态存储(简称SDRAM)与外扩Flash功能,因此在存储方面也十分优秀,随着其技术的进一步突破,应用领域也由原来单纯的图像处理上升到了能够实现完成整个完整功能的特定系统[5]。基于FPGA的图像处理技术进展得相当很快,并且识别的准确率以及精度也在不断地提升,通过结合许多传统的图像处理算法,加以研究创新,取长补短,也为进一步加强图像处理技术打下了牢固的基础,在目前数字识别技术不断研究程创新的大前提下,FPGA必然能够作为一种常用的处理工具,去解决优化这些问题,它的优势还会不断地被放大,基于FPGA的图像处理技术也会越来越先进,其应用也会越来越普遍[6]。1.2数字识别的研究现状我国对于数字识别技术的研究,至今为止已经有将近百年之久。早期的研究主要是以单个数字为前提,并且只针对0到9这10个数字。随着技术的不断进步,90年代以后逐渐形成了完善的数字识别体系,最典型的产品就是当时的邮政编码识别系统。到了20世纪,随着OCR技术的不断创新与发展,各种识别设备喷涌而出,各类扫描仪被推向了市场,使得办公效率得到了很大的改善,随着用户需求的不断增加,各类产品也在不断地更新迭代,数字识别技术也在不断地提升与创新[7]。一般把字符分为印刷体和手写体两大类,印刷体是较为规范的,而手写体相对来说就复杂很多,许多连笔、简写等风格很难形成有效的判据,因此分析起来就会增加难度,这就十分考验数字识别的算法了,优秀的算法能够尽可能地通过简单的代码完成复杂的运算,在执行速度以及执行效率方面都表现出色,对图像的处理以及分析方面十分有用,而图像的处理效果也直接影响着后面运算分析的好坏,处理效果不理想将会直接导致分析出来的信息不准确,影响系统的准确度。传统的图像处理算法都是在上位机(PC机)的基础上实现的,这样由于PC端的硬件较大,移动起来不方便,特别是台式机,虽然现在有的笔记本体积很小也很轻便,但是终究没有下位机来的灵活与廉价,基于上位机的图像处理算法,在部分场合中无法达到实时性以及便捷性的要求[8]。基于下位计算机的实现方式通常采用单片机、DSP甚至是FPGA来完成,其中单片机的执行速度较DSP以及FPGA慢上许多,因此不适合处理复杂的算法,实时性不高,而且容易出错;而DSP器件虽然执行速度够,但是其外围电路相对复杂,并且开发周期长,一般用于处理高端的数字算法,也并不适用于一般的图像处理,尤其是一些专用DSP的灵活性较差,而且相比于另外几种处理器其生产成本也较高[9]。由于大规模现场可编程门阵列的广泛应用,使数字识别技术在FPGA的应用上进展十分迅速。相较于单片机以及DSP,它特有的高集成度、大容量、优异的时钟机制于存储机制以及丰富的片上资源使得它能够适应大范围的设计需求,设计灵活性高,并且还具备在线编程功能,也为实时处理提供了保障。其在图像及视频处理的广泛应用也推动了传统图像处理模式的发展,互相弥补短板部分,最终使得传统的图像处理模式得到了改进[10]。下表1.1列出了几项目前使用较为普遍的识别算法,通过对其速率、准确率、鲁棒性以及实现方式的特征对比,可以方便地选择出适合不同场合的应用算法。数字识别算法的名称速度最高准确率鲁棒性实现方的式基于结构和形状特征算法一般97.36%较好软件平台或硬件电路均可基于组合特征的算法一般97.4%较差软件平台或硬件电路均可基于投影特征的算法一般98%较好软件平台或硬件电路均可基于特征矩阵的算法较快97%以上很好软件平台或硬件电路均可采用BP神经网络的算法较快90%左右很好软件平台采用PSO等人工智能算法较快98.6%很好软件平台表1.1各算法的特点以及实现方式的对比分析表1.3课题研究的主要内容本次选题设计首先通过文献检索以及查阅有关的文献资料、综合所学的基本理论与软件仿真知识,采用理论研究与实践相结合的技术路线,了解及应用深度学习算法处理图像信息,结合相关软件分析,然后通过基于FPGA的硬件平台,使用VerilogHDL语言完成程序算法设计,通过OV5640型号摄像头作为采集装置,完成图像的采集工作,然后针对采集的图像信息进行图像预处理、二值化图像存取、字符分割、特征提取等一系列的算法处理之后,最终通过一块4.3存的液晶显示屏显示原彩图像及二值化后的图像,然后摄像头把采集到的图片中的数字信息提取出来显示在开发板自带的6位数码管上面,数码管显示识别到的数字以及数字累加和信息。通过仿真软件Modelsim软件进行仿真,完成对各部分的信号验证工作,最终验证了程序的功能。主要完成的内容如下:(1)完成编程环境的搭建,包括ISE环境及modelsim仿真环境;(2)使用VerilogHDL语言完成程序的设计工作;(3)完成程序的调试与仿真功能;(4)最终完成系统设计的功能,实现原彩图像的二值化处理与显示,实现摄像头捕捉印刷体数字,然后把识别到的数字信息通过总线发送到液晶屏幕上进行单独显示,把识别到的单个数字信息以及数字的求和结果显示在六位数码管上,完成了最终的设计任务。

2系统设计方案2.1采集设备采集设备大多是小体积且易于携带的设备,能够提供不同分辨率的图像数据,同时具备VGA、HDMI等接口供数据的传输与下载功能,配置简单灵活,生成的图像数据格式也多种多样,满足了不同场合的需求。在现如今的市面上,比较常见的采集图像的设备主要有两大类,即CCD和CMOS,前者出现较早,相对来说技术也比较成熟,并且其优异的抗噪声性能、轻巧的尺寸重量以及便捷的调光机制在过去比较受到人们的青睐[11]。相较而言CMOS型采集设备的缺点较为明显,制作工艺的落后导致其在抗噪声性能以及图像分辨率这块均表现不佳,不过近几年由于集成电路技术水平的飞速发展,其缺点也慢慢地被改善了,性能慢慢地较之前有了大幅的提升,并且流水线的加工方式也使得其造价降低了许多,因而也获得了较高的性价比。如图2.1所示为本次设计的硬件平台。图2.1硬件平台数字特征采集设备前端为OV5640型号的摄像头模组,其功能框图如图2.2所示。图2.2摄像头OV5640功能框图2.2基于FPGA的数字识别的方法FPGA作为Xilinx(赛灵思)公司推出的一款通用可编程器件,它不但具有十分高的集成度,有着成千上百万的门阵列,而且具有一定的通用性与可互换性,使用者能够进行一系列简单的配置来进行复杂的工作[12]。通过它可以对图像进行一系列的算法处理与分析,能够区别于传统的处理模式,在很大程度上提升图像的处理速度,满足了信息化时代下人们日益增长的实际使用需求,并且由于它的可编程性,可以对图像处理算法进行反复的验证与修改,直到设计符合需求为止,从而减少后端由于重复步骤而造成的经济损失,缩短开发周期[13]。其中针对印刷体数字的识别算法包括模板匹配法、神经网络识别算法与数字特征识别算法等,下面分别对它们进行介绍。(1)模版匹配算法介绍此方法的使用可追溯到很早以前,是早期较为流行的一种数字识别的算法,它有一个特点就是需要对所有的数字进行模板构建,然后挨个进行比较,最后通过与实际识别到的数字就行相似度计算后,得到最佳相似的结果,然后把结果输出,这样就完成了模板匹配的步骤,其中,这种识别的方法对数字的规范程度要求很高,若是字迹潦草的手写体,那算法必定会失效,数字体的规范与否将直接影响整体系统的识别准确度[14]。综合以上分析,这个算法的原理较为简单,不过计算较复杂,所以不建议使用FPGA来实现。(2)神经网络识别算法介绍此算法顾名思义就是先模拟了神经网络的特性,然后对通过神经网络得到的特征进行分析,可知其主要功能是通过对信息的分布式的并行处理,从而实现算法特定的功能[15]。基于神经网络的这一特性,使得这些算法都具备了一定的抗干扰特性,但是和模版匹配算法相比,它们同样都必须进行大量的运算过程,消耗大量的时间,才可以完成神经网络的训练、学习等这些特性,才能最终在识别过程中变得更加准确与高效,因此此类算法也并不合适使用FPGA去设计实现。(3)数字特征识别算法介绍此算法是将数字的结构等特点进行分析,最终实现数字特征的识别,但是同样需要印刷体数字才行,因为传统的手写体误差较大,难以区分。此类算法的特点是运算速度快,但是同样也只适合印刷体,具有一定的局限性[16]。2.3基于数字特征算法实现数字识别我们采用基于数字特征识别的方法对数字进行区分,通过摄像头采集模块提取图像数据,并且经灰度化,二值化等算法处理,之后进行数字特征的提取和计算来实现对印刷体数字的辨识,最后把结果呈现在数位管上,实现图像信息到数字信息的转换。下图2.3所示的是0-9这10个数字的特征标线。图2.30-9数字特征标线数字特征的识别过程为:将数字进行三次切分,如上图2.3所示,第一次以横向五分之二处为切割线,第二次以横向三分之二处为切割线,第三次以纵向二分之一处为切割线,通过对像素的变化次数进行统计,从而获得某个数字的特征信息,下面以数字“3”为例来具体介绍其识别的整个过程,如下图2.4所示:图2.4单个数字特征及切割线从上图2.4可知,首先需要对X1、X2及Y的像素变化的数量进行统计,把每个数字对应的特征值进行匹配从而进行数字识别。下表2.1是0~9这10个数字的每条特征线上的像素变化数量汇总表。表2.10-9数字特征统计汇总表数字X1像素变化次数X2像素变化次数Y像素变化次数分类04441类12222类22263类32263类44244类52263类62465类72246类84467类94268类从而可以透过以上的统计彻底区别开0~9这10个数字。之后再使用FPGA系统编写数字识别代码进行区分,但是有3个数字是特殊情况,那就是数字“2”、“3”、“5”,它们由于特征的相似性,因此还需要加上额外的判据才能进一步对其进行区分,具体的区分方式已经在下表2.2中列出。表2.20-9数字特征统计表数字X1变化与Y的位置关系X2变化与Y的位置关系分类2右边位置左边位置3类3右边位置右边位置3类5左边位置右边位置3类2.4目标跟踪方法基于物体运动实时检测静态图像背景中的运动物体跟踪是计算机视觉领域的研究热点,在安防、监控、智能交通、人工智能等领域十分活跃。运动物体检测的本质是从实时图像序列中的整个图像中分割和提取变化的图像区域[17]。由于图像的后续处理,运动目标的行为和动作的分类、跟踪、测距、大小判断和分析,主要考虑运动目标区域的像素信息。运动目标的准确检测以及有效分割为所有检测以及跟踪的重要基础系统。通过过程分析,目前三种运动目标检测算法正在逐步形成,介绍如下。1)帧间差分法,是一种使用视频序列中相邻两个帧之间的差值来测量视频序列中运动物体的算法。不过,由于受到运动目标和环境背景变化的影响,在侦测过程中可能会产生运动目标中的假目标或"空洞",但假若运动目标的移动速率并不快,则可以有效地侦测到运动目标[18]。2)背景减除法首先获取非目标场景中的背景图像,再通过实时视频片段对背景图像进行微分运算,最终实现运动目标检测。3)光流法通过把图像中的每个图像和一个速度向量相关联来构成一个光的内部流场,并且使用光流场中的速率矢量运动连续性,进而测量运动物质。该方案的计算工作量通常很大,很难做到对目标的实时跟踪测量[19]。2.5系统整体方案其整体框图如图2.5所示,本设计课题数字特征识别FPGA设计与实现可以划分为以下几个模块:摄像头采集模块,FIFO接口模块,SDRAM数据存储模块,图像处理模块,LCD显示模块,数码管显示模块等。整体系统框图如图2.6所示。图2.5系统总体框图图2.6整体系统模块

3系统电路实现3.1基于FPGA的数字识别的实现图3.1基于ov5640的FPGA实时数字识别系统如图3.1所表示,通过使用OV5640型的摄像头,将所收集到的彩色RGB视频图像信息首先存入SDRAM中,接着TFT显示模块把图像数据读取出来,在读取RGB视频像素的数据之后,先采用RGB转Ycbcr算法操作,接着再对灰度图象执行阈值分割操作,生成二值化的图象,对二值化的图像,在完成边界跟踪的基本上实现数字识别,最后将边界信息在4.3寸TFT液晶屏上进行显示,然后把将识别的单个数字在数码管上进行显示。以TFT屏幕的显示时序图为依据,首先实现了边界追踪,在确定数字界限之后,再在边界的基本上实现对数字特征的分析,如图3.2所示。如下图3.3所绘制的框图,变量hcount是作为列记数器,而vcount则是作为行记数器,TFT_VS_fall以及TFT_VS_rise依次是作为帧下降沿标记和帧上升沿标记,而frame_cnt则是作为帧记数器,hcount_l及hcount_r依次是作为识别数字的左右边界,而vcount_l及vcount_r则依次是作为最后数据的上、下边界。Th_flag_fall和Th_flag_rise分别用来作为在灰度图像阈值后的下降沿和上升沿标记。图3.2边界追踪数字识别的三大主要核心模块图3.3边界追踪模块如图3.4中所示,基本的边界数据都来源于数字边界辨识模块,而数字识别模块完成(x1,x2,y)和数字的交点数据的统计。图3.4数字识别模块3.2数字特征识别本模块通过特征线匹配的方式来对数字进行辨识过程,数字特征主要包括X1、X2以及Y这三条特征线上的像素变化数量。数字识别通过完成图像分割以后去完成,然后获得每一个字符的上、下、左、右边界的地址之后,把所获得的数字特征值匹配一下,最终实现了数字识别[20]。如图3.5是特征识别的整体电路框图。图3.5数字识别电路框图能够看到的是在扫描范围有效的区域里面(即横向的五分之二以及三分之二位置、纵向的二分之一位置上)计算出输入图像数据中的相邻象素点变化的次数量,然后赋值给X1、X2和Y,同时还要记下最后一个像素变化的情况,最后再将特性参数送入查找表进行判断数字的变化结果,并加以输出。3.3数码管显示结果虽然这种用七段数码管所表示的数字形状存在着一些畸变现象,所表示的数字符号的种类也很局限,但是由于七段数码管操作非常简单,实际应用中用起来也很方便。因此应用也较为普遍,而本次设计所使用的数码管为FPGA开发板中自带的六位一体七段数码管,其显示原理图见下图3.6。图3.6数码管原理图数码管按照它的显示特征分为两种类型,分别是共阴极与共阳极,很好理解,共阴极为所有发光管的负极连接在一起,通过高电平令它发光,而共阳极则正好相反,它们的正极连接在仪器,通过低电平令其发出光,而一般数码管发出的都是红颜色的光线[21]。

4实验结果及分析本章节主要介绍实验结果并且对结果进行分析,包括设计中的图象预处理(包括图象采集、图象截取以及中值滤波这几个组成部分)、二值图像数据缓存、字符分割、特征点的提取和匹配、结果展示这几大块进行详细介绍,并且针对每个部分进行仿真分析,介绍如下。4.1图像预处理此部分主要是使用OV5640摄像头模块进行图像的采集、图像截取以及快速中值滤波这几个步骤的操作。首先需要进行摄像头的配置,此部分不再叙述,配置完成后就可以正常的开启摄像头进行采集工作,采集的过程中,对时序的要求较为严格,必须遵循说明书中的时序要求,即如图4.1所示帧输出时序,才能确地读取出数据。下面介绍图像预处理中三个步骤的仿真结果以及结果分析。图4.1帧输出时序图4.1.1图像采集首先,要从OV5640这个摄像头模块中提取采集到的图像数据,数据信号按照YUYV的顺序完成图像数据的传输工作,从Y通道提取数据信号从而获得灰度图像。启动modelsim仿真分析软件对FIFOIP核进行仿真分析,下图4.2及图4.3显示了其仿真后的结果。图4.2FIFO写过程时序图图4.3FIFO读过程时序图在设置完成信息为有效时,图象数据经过一个延时命令后,就可以根据时钟的上升沿每二个字节读取输入图象的数据信息,从而获得的Y通道的数据也就灰度图象数据信息,而在同一时刻CMOS_VALID把输出标志位置高,并经过对CMOS_PCLK输入的图象按照时钟的分频信号得出CMOS_oCLK输出图象的序列。4.1.2图像截取通过图像采集的基本原理,对开发平台的集成电路设计进行了编程和执行。从图像中捕获的模拟仿真波形如下图4.4所示。图4.4图像截取后的仿真波形通过对上图4.4分析得知,当行列地址的匹配范围在(1~128)时,图象采集模块在输出的上沿捕获有效信息,CMOS_VALID为在高电平时输出像素的时钟图象数据。4.1.3中值滤波当复位信号为高电平时,待比较的数据在像素时钟的上升沿输入,然后开始排序,经过一个时钟单元的延迟,得到列排序的结果,通过二个时钟单元的延时,得出行排列排的排序结果。通过三个时钟单元之后,再进行对角线排列结果,最后得出了数据集的中值结果。通过仿真测试可知,不管输入数值是不是相同,最后的排列结果都是很准确的。最终仿真模拟的屏幕截图如图4.5所示。图4.5中值滤波仿真波形截图在硬件电路设计中,其所使用的是六位一体的七段共阳数码管。当某一个字段所对应的管脚为低电平的时候,则相应的发光管也将亮起来,位选通信号也和点亮led效果一样,为低电平有效。下表4.1列出了数字和字符的编码方式。表4.1数字和字符的编码字符dpgfedcba011000000111111001210100100310110000410011001510010010610000010711111000810000000910010000A10001000b10000011C11000110d10100001E10000110F100011104.2二值化图像存取对收集到的图象数据进行截取和中值滤波以后,然后再对处理结果进行二值化计算,以保存二值化后的图象数据。该功能主要由二个部分构成:写RAM和读取RAM。主要进行一位数据和八位数据之间的串并转换。同时,为提高读取数据的精确度,还设定了读地址的标志位信息。下图4.6为在RAM中读写数据的过程仿真结果。图4.6RAM写数据的仿真波形其中,en为输入信息的标志信息,pclk为时钟信号,din为二值化图象信息,SR1为十六位移的寄存器用来存储连续的二值化图象,ena为写使能,主要控制RAM的写入信息,clk_wram为写数据时钟信息,addra为系统生成的写地址。当en为置为高电平,cnt1进行累加计数,而进入二值化信息则仅在像素时钟信号的方向上升沿存进移位寄存器S1内。如果是将计数器cnt1计算到超过了十五,操作系统就会将移位寄存器S1的数据写入到RAM里,在cnt1超过十五的时候变为高电平,而在写使能en信息变为高电平的同时,写地址也会自动加一。RAM读数据模式的仿真波形如下图4.7、4.8及4.9所示,其中的变量en3是标志位,置为高电平的情况下首先会读出特定列Y(字符纵向二分之一处)的数据,然后读取X1(字符横向五分之二处)的行数据,最后读取X2(字符横向三分之二处)的图像信息。图4.7RAM控制模块_读取Y列数据的仿真波形上图4.7中,对应字符的Y列地址colu=(C1+C2)/2=107。系统最先读取Y列数据,h1完成进行计数(55~100)。图4.8RAM控制模块_读取X1行数据的仿真波形上图4.8中可,对应字符的X1行地址h1=2/5LRow+3/5FRow=73。系统读取X1行的数据,colu完成进行列计数(96~118)。图4.9RAM控制模块_读取X2行数据的仿真波形从图4.9可得知,对应字符的行地址X2表示为h1=2/3LRow+1/3FRow=84。系统在进行X2行数据读取的同时,colu就会补全列数(96~118)。读完Y列、X1行以及X2行数据之后,en3置低。系统等待下一个分割信号的到来,en1置1的时候,就开始了新一轮的字符分割以及特征提取。4.3字符分割图像数据保存后,可以进行下面的文字分割。通过读出RAM中相应位置的图形信号,对图形进行横向或者纵向的切分,进而得到每个字符的位置信息。4.3.1垂直分割下图4.10是图像垂直进行分割的仿真波形图:其中en为垂直于切割的使能信号,在电平置为1的时候有效,而din为输入图像数据的信息,en_d为有效的输出信号,C1_out和C2_out为输出的垂直分割的信息结果。图4.10图像垂直分割的仿真波形图4.3.2水平分割下图4.1所示为图像水平分割仿真的波形:其中的en作为水平分割的使能信息,在电平置为1的时候有效,而din是输入图像数据,en_d用作有效输出信息,FRow和LRow用作对水平切分结果的计算。图4.11图像水平分割的仿真波形图由于所要进行识别的对象都是印刷体数字,所以每个需要使用的各文字高度与宽度都基本一样。由此分析:通过对图形的二次分割可以获取每一个文字的全部信息4.4数字特征提取识别系统可以通过图像预处理以及字符分割得到单个字符的全部信息,进而把每一字符的特征参数提取出来并进行数字特征匹配[22]。从图4.12中仿真结果可以看出:提取第一个字符的特征值分别是2、2、2;第二个字符的特征值分别是2、2、2;第三个字符的特征值分别是6、2、2;第四个字符的特征值分别是6、2、2。通过比较可以得出第三个字符与X2的交点在中线左侧,第四个字符与X1以及X2的交点都在中线右侧。根据第二章中数字识别的原理分析,通过查表2.1及表2.2,可以得出识别的数字结果分别为1、1、2、3。通过比较输入图形中的数值和系统的识别结果,即可证实系统的识别结果准确无误。。图4.12对应输入字符的识别仿真波形4.5结果输出硬件部分连接好之后,首先需要进行测试工作,检查摄像头采集的原始图像能否在LCD屏幕上正常显示,其中原彩图像的显示见图4.13。图4.13原彩图像紧接着是经过二值化输出的图像,其结果见图4.14所示。图4.14二值化图像最终整体系统测试如图4.15所示。图4.15整体系统测试·16··PAGE16·PAGE1结论基于机器视觉的识别是人工智能的必经之路,而字符识别则是这条道路上的基石。通过仿真实验的结果,能够得到屏幕上数字的位置信息,而不管它们的大小如何都能被正确识别。在此基础上,可以发展出人脸识别、人脸模式识别、车牌识别等流行的机器视觉和人工智能。本文选择了一种更适合在FPGA上实现的数字特征识别算法,使用基于FPGA的硬件平台进行了算法设计优化工作,最终成功构建了基于FPGA的数字识别系统。系统各部分完成总结如下。(1)对图象收集和预处理的部分,采取了FIFO缓冲等间接处理方法,只保存了图象的二值化数据,以降低对系统内存容量的空间要求,并利用更少的空间实现系统。(2)存储数据时,利用赛灵思现有的IP核(简化的双口RAM)对RAM进行分组,从而完成实时数据的读取。通过访问数据,能够在图像的不同行和列中调用指定位置的图片数据。(3)数字分割和数字识别模块,通过传递参数来执行它的最终效果。利用内置系统功能和时序模拟,试验验证系统的各个功能模块都能工作,并最后达到了字符识别。试验结果表明,当输入为印刷体数字时,系统能够正确辨识实时摄像头所抓拍的图片上的数字为"1,1,2,3",并在六段数码管上显示检测结果和总值为“07”。

参考文献[1]杨海钢,孙嘉斌,王慰.FPGA器件设计技术发展综述[J].电子与信息学报,2010,03:714-727.[2]ArrighiT,RojasJ.E,SotoJ.C,etcal.Recognitionandclassificationofnumericallabelsusingdigitalimageprocessingtechniques[C].Proceedingsofthe17thSymposiumofImage,SignalProcessing,Medellin,Colombia.2012,Pages:252-260.[3]MohammadKhader,AgaianSos,SalehHani.Practicalautomaticarabiclicenseplaterecognitionsystem[C].ProceedingsofMultimediaonMobileDevicesandMultimediaContentAccess:AlgorithmsandSystems,SanFrancisco,Unitedstates.2011,Pages:267-275.[4]严国莉,黄山,李岱璋,尚建华.印刷体数字快速识别算法在身份证编号数字识别中的应用[J].计算机工程,2003,01:178-179.[5]龙钧宇,张向群,薛江清,吴永.一种基于FPGA的文字识别系统[J].现代电子技术,2006,11:103-105.[6]朱奕丹,方怡冰.基于FPGA的图像采集与VGA显示系统[J].计算机应用,2011,05:1258-1261+1264.[7]周立波.基于FPGA的高速字符识别系统[J].中国新技术新产品,2012,22:16-17.[8]刘小园.基于FPGA高速字符识别的算法分析与应用[J].制造业自动化,2011,17:135-137.[9]ZhangYingChao,LiuTaiLei,YeXiaoLing.HandwritingdigitrecognitionbasedonfractaledgefeatureandBPneuralnet[C].ProceedingsofComputerScienceandInformationEngineering,Zhengzhou,China.2012,Pages:475-481.[10]LuoFengwu,WangLiying,TuXia,etcal.Areal-timeprocessingsystembasedonfieldprogrammablegatearrayforinfraredImage[J].ChineseJournalofLasers,2009,2(36):307-311.[11]Nava-OrtizM,GómezW,Díaz-PérezA.Digitrecognitionsyste

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论