基于ARM-FPGA异构多核平台上图像处理算法的加速研究

发布时间：2020-08-18 19:42

【摘要】：随着科学技术的发展与经济水平的提高,图像处理在计算机领域发挥着越来越重要的作用。然而随着图像处理算法的时间与空间复杂度的提高,需要耗费的资源相应越来越多,这使得在软件上实现的算法效率低下,而且导致在采用软件实现图像算法时速度过慢。经测试,SIFT算法在Core(TM)i5-4210H处理器下运行速度只有0.4f/s(帧/秒)左右。因此提升算法速度显得尤为迫切,尤其在嵌入式领域中,随着图像处理应用的商业化,单纯用软件实现算法,已不能在实时性上满足企业要求。FPGA以其出色的并行处理能力被应用在各行业中,并且具有高适应性、低功耗与低成本等诸多优点。因此,异构多核架构平台应运而生,例如赛灵思公司研发的Zynq-7000系列平台,该平台将ARM处理器与并行计算能力较强的FPGA逻辑器件组合在一起,尤为适用于功能丰富、复杂度高的图像算法。该平台还具有较高的灵活性,其既能在灵活开发上体现出较大优势,又能加快嵌入式开发流程,这对图像的嵌入式应用建立了良好的基础。通过Zynq平台还可构建出一套完整的图像处理系统,既可以通过FPGA逻辑资源带来较快的计算速度,又能利用ARM处理器来兼顾多样化的功能,这将对嵌入式平台下高级图像处理系统带来更大的性能提升。本文以SIFT(Scale-invariant feature transform)算法与Sobel算法为例,分析了算法的计算量与I/O量,结合Zynq平台的特性合理规划了软、硬件的计算任务。通过定位算法的瓶颈环节,运用了流水化、并行化、滑窗思想、重构函数等方法进行加速优化,提升了关键模块的运行速度;同时通过Vivado搭建了适用于SDSoC的硬件平台;并且通过使用SDSoC开发环境实现了ARM与FPGA之间的高速数据通路以及两种算法的硬件加速,构建了一套完整的图像处理系统。最终,实现了SIFT算法相比于软件方式15倍以上的加速,Sobel算法相比于软件方式11倍以上的加速,这使得本系统不仅可以作为加速图像处理的通用平台,还可以借助于PS与PL端之间的高速数据通路广泛的应用于各个领域,甚至实现商业化用途。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TN791
【图文】：

算法,实时性,灵活性,边缘处理

单纯用软件方法来实现，往往不能达到预期的效果各行业的不断发展，基于特征点的检测算法在物体识别、图像匹已经得到了广泛应用，如图 2.1 所示。而 SIFT 算法作为众多检于计算量较为庞大，在实时性方面比 SURF、FAST 等算法有所SIFT 的软件算法只有 0.3f/s。因此，研究人员为了针对计算量大慢问题，展开了各种研究。文献[9]中实现了基于 HLS 的 SURF 21f/s。但由于 HLS 生成的 IP 核无法被高级语言直接调用，这导缺灵活性。文献[15]中则实现了完全基于 FPGA 的 SIFT 算法，处其较高的追求了实时性，仅检测出 73 个 SIFT 特征点，影响了算多工程应用中都会用到图像的边缘处理作为基础从而实现更为bel 算法作为边缘检测算法之一，具有较好的的检测结果。例如在等方面的应用。因此，对于提升 Sobel 算法的速度就显得尤为重实现了用 FPGA 对 Sobel 算法进行加速，具有较高的实时性，但其在应用上没有软件端的支持，缺乏灵活性。

片上系统,概况

图 2.2 Zynq-7000 片上系统概况.2 SIFT 算法SIFT 特征是一种算法，它是基于图像中一些兴趣点的重要参考指标，并与图像旋转和大小相关的因素。并且具有高适应性的噪声，光，和视角的改这些特性之后，获取物体特征就变的相对简单快捷。在数据量庞大的特征库很好的去辨识物体并且能保证较高的准确性。对于被遮挡的物体，SIFT 特检测其所在位置，最好的情况下仅仅只需要 3 个 SIFT 对象特征，就可以知的方位。随着科学技术不断刷新人们的认知，SIFT 算法的辨识速度已经可作。对于 SIFT 算法来说，其更适合在信息量众多的数据中实现精准快速的2.2.1 SIFT 算法的关键步骤SIFT 算法主要通过四个关键步骤来实现，如图 2.3 所示。(1) 检测极值：计算出由源图片生成的所有尺度空间，并在该空间中找寻

流程图,关键步骤,流程图,算法

西安电子科技大学硕士学位论文对尺度以及旋转不受影响的预需要先介绍一下尺度空间的概就是在某一个尺度空间下的，慢慢变得模糊，这样就形成了被称作一系列的尺度，这些尺列的尺度空间呢? 一般情况下可以很好的计算图像的尺度空要处理的像素进行卷积操作，1）所示，σ被称为正态分布的糊。r 在这里被称作模糊半径间中假设模板的大小为 m×n高斯模板的计算表达式如公式

【相似文献】