论文部分内容阅读
CNN是基于局域互连的神经网络,是一种易于超大规模集成电路(VLSI)技术实现的并行微处理器单元,特别适用于在视觉图像处理与识别领域的应用,是近年来人工神经网络研究领域的一个热点。本文主要研究的是细胞神经网络(CNN)模板的设计,CNN算法在图像处理的应用以及CNN算法的硬件设计。针对图像的边缘检测进行CNN的模板设计,并用设计的模板进行计算机仿真。同时用FPGA构造的细胞神经网络对图像进行实时处理。本文在理论和实践两个方面研究和探讨了系统实现过程中所涉及的关键算法和技术。论文包括以下内容:(1)介绍了细胞神经网络的研究和应用现状。对细胞神经网络的原理和结构进行了研究。阐述了CNN的动态机制,分析了CNN的稳定性。(2)对细胞神经网络的模板进行设计。通过将粒子群算法设计出的细胞神经网络模板应用于图像的边缘检测中,取得了较好的效果。并与遗传算法进行对比,粒子群算法,具有更好的收敛性与精确度。(3)针对背景相对静止的视频序列,设计了一种基于细胞神经网络的视频运动对象分割算法,完成了基于Matlab7.0实验软件平台的程序设计,通过分析实验结果进一步改进算法,即在视频预处理过程中,采用CNN算法构成的形态学重构对图像滤波,实验结果表明,本算法具有较好的分割性能和应用优势。(4)讨论了基于CNN算法的硬件FPGA实现设计思路,使用Verilog HDL语言对CNN算法进行描述,将边缘检测的模板值作为硬件模板值的输入信号,通过在Quartus II环境下进行算法验证,实现了CNN算法的边缘检测的硬件实现,并给出了仿真结果,结果证明硬件实现是切实可行的。