论文部分内容阅读
视觉是人类最重要的感知器官。研究发现，大多数盲人视觉通路上只有部分通路发生病变，这为视觉假体技术的诞生奠定了生理基础。 视觉假体技术属于功能电刺激技术中的一种，通过植入人体的微电极阵列刺激视觉通路中未受到损伤的部分，使盲人形成光幻视。基于目前研究状况，本文提出并采用硬件设计实现了基于SoC系统的分类识别算法。此算法利用BP神经网络对外界图像进行分类，采用固定符号图形代表一类物体，并可通过盲人的后期训练达到对物体更高的识别率。 基于分类识别算法，本文首先提出了视觉假体图像处理算法IP核的总体模块设计，确定了HU矩特征与神经网络分类器相结合的分类方法，并将图像处理算法IP核划分为六个模块。其次介绍了这六个模块的设计逻辑与仿真结果，分别包括图像裁剪模块、二值化处理模块、HU矩特征提取模块、运动方式判别模块、BP网络识别模块以及AMBA总线接口控制模块。之后通过FPGA开发板验证了各个模块的工作状态，最后将图像处理算法IP核移植至SoC系统上，完成了整体算法的验证，最终识别结果显示在LCD上。 为便于硬件实现，在图像二值化处理模块中对OTSU算法采取缩减遍历范围及简化公式相结合的优化措施。同时由于采集到的图像大小固定，乘法以及除法运算中大部分为固定系数运算，因此固定系数乘法以及除法采取数据左移或右移的方式实现，以降低运算复杂度，减小电路规模。 本文的设计满足了图像分类算法的基本要求，虽然目前平均识别率仅达到75％，但是本文基于分类算法这一思想，通过硬件设计的方式完成了对视觉假体图像处理算法IP核的设计，验证了分类算法的硬件可行性，为视觉假体图像处理提供了一个新的研究方向。