摘 要

近年来，基于内容的图像检索（CBIR）技术逐渐成为信息处理领域的研究热点。传统的（CBIR）大都基于PC端软件实现，检索效率低；随着大型存储设备越来越便宜，基于软件的CBIR已不能满足海量的图像检索的需求，为提高检索效率，本文将在硬件上实现CBIR，系统采用Xilinx ZYNQ-7000作为开发平台，在ZYNQ上搭建图像处理通路，完成图像读取、缓存、特征提取、相似度比对、显示等功能。在检索算法选取方面，采用基于颜色直方图、基于图像纹理特征、基于SIFT算法三种检索方式，并对算法性能进行分析、对比、优化。为进一步提升检索效率，本文在图像传输中设计了基于乒乓算法的传输机制。本人在此系统设计中主要承担图像数据读取及存储、系统整体架构设计、颜色直方图算法研究及实现等工作。

关键词：图像检索；CBIR；ZYNQ；嵌入式开发；颜色直方图

High-speed image retrieval system based on ZYNQ

——Image reading， data and feature analysis

Abstract

In recent years, content-based image retrieval （CBIR） technology has gradually become a research hotspot in the field of information processing. Traditional CBIR is mostly based on PC-side software, and the retrieval efficiency is low. With the increasing cost of large-scale storage devices, software-based CBIR can no longer satisfy massive image retrieval. In order to improve retrieval efficiency, this paper will implement CBIR on hardware. Using Xilinx ZYNQ-7000 as a development platform, the image processing path is built on ZYNQ, and functions such as image reading, buffering, feature extraction, similarity comparison and display are completed. In the aspect of retrieval algorithm selection, three retrieval methods based on color histogram, image texture feature and SIFT algorithm are adopted, and the performance of the algorithm is analyzed, compared and optimized. To further improve efficiency, this paper designs a transmission mechanism based on ping-pong algorithm. In this system design, I mainly undertake image data reading and storage, system overall architecture design, color histogram algorithm research and implementation.

Key Words: Image Retrieval; CBIR; ZYNQ; Embedded Development; Color Histogram

目 录

摘 要 I

Abstract III

第一章 绪论 1

1.1课题研究背景 1

1.2 图像检索技术发展及研究现状 1

1.3本文的内容安排 3

1.4本章小结 3

第二章 相关技术综述 4

2.1 AXI4总线协议 4

2.2 ZYNQ开发平台 5

2.3 PS端DMA控制器 7

2.4图像数据解析 8

2.5高速检索方案 9

2.6本章小结 9

第三章 系统框架设计 10

3.1 系统架构 10

3.2 VDMA应用 10

3.3 图像读取及缓存通路 12

3.4图像处理模块 13

3.5本章小结 14

第四章 颜色直方图算法研究 15

4.1 RGB转HSV颜色空间 15

4.2 HSV颜色空间量化 15

4.3颜色直方图生成 17

4.4相似度匹配 18

4.5本章小结 19

第五章 算法的FPGA实现 20

5.1高斯滤波模块 20

5.2颜色空间转换模块 21

5.3 HSV量化模块 22

5.4直方图生成模块 22

5.4.1数据统计 22

5.4.2 BRAM配置 23

5.4.3 特征向量的传输及存储 24

5.5本章小结 25

第六章 系统软件设计及功能测试 26

6.1软件设计 26

6.2系统测试 28

6.2.1功能展示 28

6.2.2性能分析 29

6.2.3性能对比 29

6.3本章小结 30

结语 31

参考文献 32

致谢 33

第一章 绪论

本章主要介绍本课题的研究背景、图像检索技术发展及研究现状，介绍了图像检索技术的两个发展阶段，分析了TBIR技术的缺点以及CBIR技术的优势，详细阐述了CBIR系统的组成，分析了传统基于软件CBIR系统效率低下的缺陷，并提出了采用硬件加速的思想。

1.1课题研究背景

在互联网高速发展的时代，图片信息快速增长，从海量的数字图像集合中快速提取出我们需要的内容已经成为迫切需要。上世纪90年代，基于内容的图像检索技术（CBIR）诞生，成为智能信息处理领域的研究热点，CBIR以计算机视觉和图像理解理论为基础，图像内容的描述借助于从图像中自动提取视觉特征，检索过程是视觉特征间的相似匹配^[1]。CBIR由于具有客观、通用性好和应用前景广阔等优点，目前已经成为一个非常活跃的研究领域^[2]。

但是，目前大部分CBIR系统都基于软件实现，虽然可以实现大规模图像的检索，但是检索效率较低。随着图像数据库越来越庞大，传统的基于软件的CBIR已经不能满足用户检索需求，由于CBIR的以下特性，使得针对CBIR的硬件加速成为必要^[3]。

• 执行速度慢：例如在标准PC工作站上检索30000个图像数据库需要15分钟；
• 计算密集：依赖于更高维向量中的欧几里德距离计算；
• 数据库庞大：典型的图像数据库范围从几千到几千万个图像。

因此，本文主要研究在硬件平台上实现图像的特征提取以及相似度匹配。

1.2 图像检索技术发展及研究现状

自从互联网技术、大规模存储技术快速发展以来，图像资源的规模也越来越大，那么，如何快速、高效地从海量的图片库中检索到目标图片成为了海内外的研究热点，由此产生了图像检索技术，从直观上讲，图像检索就是在图片库中搜索与目标图片相匹配的图像。根据进行匹配的因素，图像检索技术的发展经历了两个时期。最开始，由于图像处理技术落后，图像检索技术是基于文本的检索（Text-Based Image Retrieval, TBIR），就是将每一张图片配上文字用来描述图像关键内容，然后存储这些文本信息作为文本索引。在进行检索时，用户输入可以描述想要检索图像的文本信息，然后在文本索引库中检索，输出与其文本信息相近的图像。

但是，随着图像规模的扩大，TBIR技术的缺陷就逐渐暴露出来，在图像资源较少的情况下，对每一张图片进行文本标注是可行方案，但是当图像规模过大时，对如此庞大规模的图片进行文本标注显然是不现实的；从TBIR自身角度讲，仅仅通过文本信息无法全面、准确表达图像中丰富的视觉信息，这是TBIR技术本身具有的局限性；另外，由于人的主观原因，不同的人对于图片的理解也是不同的，所以在进行图片文本标注时会由于主观因素对检索结果产生影响，这也是其局限性之一。综上所述，TBIR由于种种局限性已经不能适应用户的检索需求。

相关图片展示：