臺灣博碩士論文加值系統

本論文提出應用絕對差異遮罩(ADM)演算法的FPGA電路，實現影像移動偵測的系統架構。一般影像追蹤系統如果單純利用軟體的方式來實現，往往會造成運算時間的增加，而本系統所持用的ADM演算法特色是低運算複雜度、規律化的演算法架構，以及單一像素寬的邊緣結果，且將ADM演算法實現於硬體上，透過硬體的來加速影像追蹤的速度。本研究是以邊緣偵測為基礎的一個影像追蹤系統，利用硬體描述語言(Verilog)實現出ADM演算法的硬體架構。針對開發的系統偵測，吾人在此選用油包水滴的微流體影片做微流體速度偵測，藉以驗證此系統架構的正確性，最後將軟體、硬體與軟硬體整合的速度偵測結果近一步分析與比較。實驗結果證實，本系統架構可以應用於單一物體與多重物體影像追蹤的速度偵測。

In this paper, we presented an FPGA circuit of the Absolute Difference Mask (ADM) algorithm with its applications into an image motion tracking system. The image motion tracking system consumes a lot of time if it is implemented purely by software, but is low computational cost, with regular computational structure and with single-pixel-wide edge detection if implemented on an FPGA using the ADM algorithm. The ADM algorithm implemented in hardware is able to accelerate the speed of image tracking. The work is an image motion tracking system based on edge detection and used Verilog to realize the hardware circuit of the ADM algorithm. We validated the system architecture by water-in-oil microfluidic image to detect microfluidics’ velocity and compared the results of software, of hardware and of Software Development Kit (SDK). The results indicated that the system architecture can successfully track the velocity of a single or multiple objects in images.

目錄
指導教授推薦書
口試委員會審定書
授權書.....iii
致謝.....iv
摘要.....v
Abstract.....vi
目錄.....vii
圖目錄.....x
表目錄.....xiv
第一章 緒論.....1
1.1 研究動機與目的.....1
1.2 相關研究背景.....3
1.3 論文架構.....5
第二章 ADM影像處理演算法.....6
2.1 ADM演算法介紹與分析.....6
2.1.1 柔和化功能之半高斯係數遮罩（Semi-Gaussian Smoothing）.....7
2.1.2 邊緣強度與邊緣方向的運算（Edge strength calculation）.....9
2.1.3 邊緣偵測與邊緣定位(Edge detection and localization).....13
2.2 ADM處理流程模組.....17
2.2.1 柔和化(Smooth)模組.....18
2.2.2 強化(Strength)模組.....21
2.2.3 偵測(Detection)模組.....24
第三章 速度偵測系統簡介.....27
3.1 前言.....27
3.2偵測設計架構概要.....27
3.2.1 影像輸入(Image Input)單元.....28
3.2.2 前置處理(Preprocessing)單元.....31
3.2.3 邊緣偵測(Edge Detection)單元.....34
3.2.4 物體追蹤(Object Tracking)單元.....35
3.3 軟硬體整合平台.....40
3.3.1 VeriLink Matlab介面.....40
3.3.2 VeriLink 指令介紹.....41
3.3.3硬體介面說明與ADM模擬結果.....43
第四章 驗證與模擬結果.....45
4.1 前言.....45
4.2 ADM演算法之模擬結果.....45
4.3速度偵測之模擬結果.....54
第五章 結論與未來展望.....74
參考文獻.....75

圖目錄
圖2-1 ADM演算法的三階段處理流程.....6
圖2-2 半高斯係數遮罩.....8
圖2-3 (a)原始圖形圖；(b)軟體執行柔和化後的結果.....8
圖2-4 絕對差異值遮罩.....9
圖2-5 (a)軟體執行柔和化的結果；(b)軟體執行絕對差異遮罩的結果.....12
圖2-6 邊緣偵測與邊緣定位定義的3×3遮罩.....13
圖2-7 邊緣偵測與邊緣定位的流程圖.....15
圖2-8 (a) 邊緣強度的影像；(b) 軟體經過邊緣偵測與邊緣定位的二值化結果；(c) 軟體經過邊緣偵測與邊緣定位的灰階影像結果.....16
圖2-9 ADM處理模組流程圖.....17
圖2-10 柔和化模組之FIFO陣列.....19
圖2-11 權重應用.....19
圖2-12 柔和化電路之硬體流程圖.....20
圖2-13 強化模組之FIFO陣列.....21
圖2-14 邊緣強化電路之硬體流程.....23
圖2-15 偵測模組之FIFO陣列.....24
圖2-16 偵測與定位電路之硬體流程圖.....26
圖3-1 物體追蹤系統架構圖.....28
圖3-2 影像輸入後進入下一階段前置處理.....29
圖3-3 Matlab執行“aviinfo＂的結果.....29
圖3-4 oil100w200微流體影片.....30
圖3-5 前置處理的流程.....31
圖3-6 (a)原始影像；(b)灰階化後的結果.....32
圖3-7 邊緣偵測流程圖.....34
圖3-8 影像經過ADM演算法結果.....34
圖3-9 物體追蹤流程圖.....35
圖3-10 定義x座標的步驟流程.....36
圖3-11 移動物體在x位置上的偵測示意圖.....37
圖3-12 定義y座標的步驟流程.....38
圖3-13 移動物體y位置的偵測示意圖.....38
圖3-14 影片oil100w200微流體前四個速度計算結果.....39
圖3-15 SDK應用示意圖.....41
圖3-16 SDK裡邊緣偵測的硬體方塊圖.....44
圖3-17 影像經由SDK模擬出的結果.....44
圖4-1 ADM演算法驗證方法v46
圖4-2 Altera SratixII 的FPGA實體照片.....46
圖4-3 (a)原始影像；(b)軟體模擬結果；(c)硬體模擬結果；(d)SDK模擬結果.....48
圖4-4 (a)影片中第15張原始影像；(b)影片中第16張原始影像；(c)軟體模擬結果；(d)硬體模擬結果；(e)SDK模擬結果.....50
圖4-5 (a)影片中第39張原始影像；(b)影片中第40張原始影像；(c)軟體模擬結果；(d)硬體模擬結果；(e)SDK模擬結果.....52
圖4-6 速度偵測驗證方法.....54
圖4-7 單一移動物體影片的第一張影像.....56
圖4-8 單一移動物體的速度結果.....57
圖4-9 oil100w200影片的第一張影像.....58
圖4-10 oil100w200影片中第一個微流體的速度.....58
圖4-11 oil100w200影片中第二個微流體的速度.....59
圖4-12 oil100w200影片中第三個微流體的速度.....59
圖4-13 oil100w200影片中第四個微流體的速度.....60
圖4-14 oil100w200影片中第五個微流體的速度.....60
圖4-15 oil100w200影片中第六個微流體的速度.....61
圖4-16 oil100w200影片中第七個微流體的速度.....61
圖4-17 oil100w200影片中第八個微流體的速度.....62
圖4-18 oil100w200影片中第九個微流體的速度.....62
圖4-19 oil100w200影片中第十個微流體的速度.....63
圖4-20 oil100w200影片中第十一個微流體的速度.....63
圖4-21 oil100w200影片中第十二個微流體的速度.....64
圖4-22 oil150w300影片的第一張影像.....66
圖4-23 oil150w300影片中第一個微流體的速度.....66
圖4-24 oil150w300影片中第二個微流體的速度.....67
圖4-25 oil150w300影片中第三個微流體的速度.....67
圖4-26 oil150w300影片中第四個微流體的速度.....68
圖4-27 oil150w300影片中第五個微流體的速度.....68
圖4-28 oil150w300影片中第六個微流體的速度.....69
圖4-29 oil150w300影片中第七個微流體的速度.....69
圖4-30 oil150w300影片中第八個微流體的速度.....70
圖4-31 oil150w300影片中第九個微流體的速度.....70
圖4-32 oil150w300影片中第十個微流體的速度.....71
圖4-33 oil150w300影片中第十一個微流體的速度.....71
圖4-34 oil150w300影片中第十二個微流體的速度.....72

表目錄
表3-1 軟硬體溝通指令名稱與描述.....42
表3-2 硬體介面訊號與說明.....43
表4-1 各平台ADM運算時間.....53
表4-2 240*352的ADM硬體電路比較表.....53
表4-3 單一移動物體的平均速度.....57
表4-4 oil100w200前12個軟硬體速度及相關係數表.....65
表4-5 oil150w300前12個軟硬體速度及相關係數表.....73

[1] R. Cutler, L. S. Davis, “Robust Real-time Periodic Motion Detection, Analysis, and Applications”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Volume 22,Issue 8, 2000.
[2] Alfredo Gardel Vicente, Ignacio Bravo Muñoz, Pedro Jiménez Molina, and José Luis Lázaro Galilea, “Embedded Vision Modules for Tracking and Counting People”, IEEE Trans. on Instrumentation & Measurement, Volume 58,Issue 9,pp.3004-3011, September, 2009.
[3] Fahad M. Alzahrani and Tom Chen, “A Real-Time Edge Detector: Algorithm and VLSI Architecture”, Real-Time Imaging, Volume 3, Issue 5, pp. 363-378, October, 1997
[4] Pei-Yung Hsiao, Le-Tien Li, Chia-Hsiung Chen, Szi-Wen Chen, Sao-Jie Chen, “An FPGA Architecture Design of Parameter-Adaptive Real-Time Image Processing System for Edge Detection”, Emerging Information Technology Conference, pp.3, 2005.
[5] M. Bennamoun, “Edge Detection: Problems and Solutions”, IEEE International Conference on Systems, Man, and Cybernetics, Vol.4, pp.3164-3169, 1977.
[6] Joseph Shou-Pyng Shu, “One-pixel-wide edge detection”, Pattern Recognition, Volume 22, Issue 6, pp. 665-673, 1989.
[7] D. Sundararajan, M.o. Ahmad and M.N.S Swamy, “An Efficient Implementation of An Edge Detection Algorithm”, IEEE International Symposium on Circuits and System, Vol.2, pp.1366-1369, 1989.
[8] ITU-R Rec. BT.601.4, “Encoding Parameters of Digital Television for Studios”, 1994.
[9] Horn, K. P. and B. G. Schunck, “Determining optical flow ”, Artifical Intelligence, Vol.17, pp. 185-203, 1981.
[10] P. Y. Hsiao, C. H. Chen, H. Wen, S. J. Chen, “Real-time Realization of Nosie-immune Gradient-based Edge Detector”, in Proceedings of the IEE Computers and Digital Techniques, pp. 261-269, 2006.
[11] A. K. Jain, “Fundamental of Digital Image Processing”, Addison-Wesley Pub Co, 1nd Edition, 1989.
[12] Rafael C. Gonzalez and Richard E. Woods, “Digital Image Processing”, Addison-Wesley Pub Co, 3rd Edition, 2002.
[13] Amlan Kundu, “Robust edge detection”, Pattern Recognition, Volume 23, Issue 5, pp.423-440, 1990.
[14] John Canny, “A Computational Approach to Edge Detection”, IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. PAMI-8, NO. 6, pp.679-698, 1986.
[15] Pei-Yung Hsiao, Chieh-Lun Lu, Li-Chen Fu, “Multilayered Image Processing for Multiscale Harris Corner Detection in Digital Realization”, IEEE Transaction on Industrial Electronics, Vol.57, No.5, pp.1799-1805, 2010.
[16] “SMIMS Engine Software Development Kits User Guide”, SMIMS Technology Corporation, 2010.
[17] 岡薩雷斯，伍茲，艾汀斯，繆紹剛譯，《數位影像處理：運用Matlab》，初版，台灣東華書局股份有限公司，2008.