盧 晶，胡 鋼

(1.商洛學(xué)院 數(shù)學(xué)與計(jì)算機(jī)應(yīng)用學(xué)院，陜西 商洛 726000；2.西安理工大學(xué) 理學(xué)院，西安 710062)

隨著生產(chǎn)技術(shù)發(fā)展和生產(chǎn)自動(dòng)化程度的提高，圖像自動(dòng)化處理系統(tǒng)在遙感目標(biāo)判別、交通路況監(jiān)測(cè)和產(chǎn)品自動(dòng)檢測(cè)等方面發(fā)揮了越來越重要的作用.圖像處理[1-3]包括圖像分割、圖像邊緣檢測(cè)和圖像識(shí)別等多個(gè)方面，而圖像邊緣檢測(cè)是圖像處理的基本組成部分，一定程度上可以決定圖像分割及圖像識(shí)別等其他圖像處理方法的效果.圖像邊緣檢測(cè)[4-5]實(shí)現(xiàn)方法包括軟件實(shí)現(xiàn)、硬件實(shí)現(xiàn)和軟硬件結(jié)合實(shí)現(xiàn)三種，單純的軟件實(shí)現(xiàn)對(duì)計(jì)算機(jī)運(yùn)算能力有較高要求，單純硬件實(shí)現(xiàn)所需成本較大，比較合理的方法是采用軟硬件結(jié)合的方式開發(fā)圖像邊緣檢測(cè)系統(tǒng).隨著圖像處理技術(shù)的發(fā)展，目前比較流行的圖像邊緣檢測(cè)算法包括Sobel算法、Canny算法和PCNN算法[6-9]等，這些算法主要針對(duì)灰度變化不大的邊界有較好的檢測(cè)效果，但是對(duì)于灰度值變化較明顯的特殊敏感區(qū)域檢測(cè)效果不佳，同時(shí)也存在試用范圍窄，運(yùn)算量大，不宜硬件實(shí)現(xiàn)等缺點(diǎn).

本文綜合考慮了系統(tǒng)復(fù)雜度和運(yùn)行效率等因素，提出了一種基于PCNN算法結(jié)合FPGA[10-11]的圖像邊緣檢測(cè)系統(tǒng)實(shí)現(xiàn)方法，該方法能夠?qū)崿F(xiàn)對(duì)靜態(tài)小場景物體的可靠邊緣檢測(cè)，檢測(cè)效果優(yōu)于傳統(tǒng)的Sobel算法和Canny算法.

1 系統(tǒng)硬件設(shè)計(jì)

基于PCNN算法圖像邊緣檢測(cè)系統(tǒng)采用軟硬件相結(jié)合的方法實(shí)現(xiàn)對(duì)圖像邊緣的檢測(cè)，較好地滿足了實(shí)時(shí)邊緣檢測(cè)的要求.系統(tǒng)硬件由FPGA芯片、成像模塊、圖像采集模塊、FPGA外圍電路、外部存儲(chǔ)器、千兆以太網(wǎng)、系統(tǒng)電源和便攜計(jì)算機(jī)等部分組成，系統(tǒng)硬件組成如圖1所示.FPGA芯片用于對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理和檢測(cè)目標(biāo)邊緣信息，采用Alter公司的EP3SL150F780型號(hào)芯片.成像模塊將光信號(hào)轉(zhuǎn)換成電信號(hào)，實(shí)現(xiàn)對(duì)觀測(cè)目標(biāo)的成像.系統(tǒng)采用成熟的CCD工業(yè)照相機(jī)采集目標(biāo)圖像信息.圖像采集模塊將成像模塊得到的目標(biāo)圖像讀入FPGA芯片，以便FPGA芯片對(duì)其進(jìn)行預(yù)處理和邊緣檢測(cè)等處理.系統(tǒng)采用Cameralink電路進(jìn)行圖像數(shù)據(jù)采集.FPGA外圍電路實(shí)現(xiàn)設(shè)置FPGA的工作模式、保存FPGA相關(guān)工作參數(shù)和為FPGA提供工作時(shí)鐘等功能，主要包括配置電路模塊和時(shí)鐘電路模塊.外部存儲(chǔ)器用來保存FPGA芯片的配置信息和處理過程中的圖像信息等，由FLASH電路和DDR3 SDRAM電路兩部分組成，其中，F(xiàn)LASH電路存儲(chǔ)程序代碼及參數(shù)信息、FPGA配置信息等，DDR3 SDRAM電路存儲(chǔ)圖像數(shù)據(jù)和處理過程中產(chǎn)生的中間數(shù)據(jù)等.千兆以太網(wǎng)主要用于實(shí)現(xiàn)FPGA處理系統(tǒng)與便攜式計(jì)算機(jī)之間的處理結(jié)果和控制信息的傳遞.便攜式計(jì)算機(jī)作為上位機(jī)，用于設(shè)置圖像邊緣檢測(cè)系統(tǒng)工作參數(shù)、監(jiān)控系統(tǒng)運(yùn)行狀態(tài)和接收顯示處理結(jié)果等.

1.1 圖像采集模塊設(shè)計(jì)

圖像邊緣檢測(cè)系統(tǒng)采用Cameralink接口電路作為圖像采集模塊，實(shí)現(xiàn)了高穩(wěn)定性傳遞圖像數(shù)據(jù)和控制成像傳感器的目的，并且將圖像采集模塊對(duì)CPU的占用率控制在所需范圍.Cameralink接口包括28位單端并行信號(hào)、1位時(shí)鐘信號(hào)、4位相機(jī)控制信號(hào)和2位異步串行通信信號(hào).系統(tǒng)采用Cameralink接口的基本配置方式，能夠傳輸28位的圖像數(shù)據(jù)，電路組成如圖2所示.其中，MDR26作為連接器，連接圖像傳感器與接口電路其他芯片.DS90CR288A芯片作為接收轉(zhuǎn)換器，將1對(duì)差分時(shí)鐘信號(hào)和4對(duì)差分圖像信號(hào)轉(zhuǎn)換成24位圖像數(shù)據(jù)信號(hào)、4位視頻控制信號(hào)和1位時(shí)鐘信號(hào).DS90LV019芯片將差分信號(hào)轉(zhuǎn)換成單端信號(hào)傳遞給FPGA芯片，將單端信號(hào)轉(zhuǎn)換成差分信號(hào)傳遞給圖像傳感器，實(shí)現(xiàn)FPGA芯片與圖像傳感器之間的異步通信.DS90LV047A芯片將4位控制信號(hào)轉(zhuǎn)換成4對(duì)差分控制信號(hào)，實(shí)現(xiàn)FPGA對(duì)成像傳感器的控制.

圖1 圖像邊緣檢測(cè)系統(tǒng)硬件組成Fig.1 Hardware composition of image edge detection system

圖2 圖像采集模塊電路圖Fig.2 Image acquisition module circuit diagram

1.2 FPGA外圍電路設(shè)計(jì)

圖像邊緣檢測(cè)系統(tǒng)的FPGA外圍電路包括FPGA配置電路和FPGA時(shí)鐘電路.FPGA配置采取JTAG模式和快速被動(dòng)并行模式(FPP)，JTAG模式直接將程序下載到FPGA芯片中來進(jìn)行在線調(diào)試，F(xiàn)PP模式通過CPLD在系統(tǒng)上電時(shí)讀取FLASH存儲(chǔ)器內(nèi)的參數(shù)數(shù)據(jù)來對(duì)FPGA芯片進(jìn)行設(shè)置.為了提高系統(tǒng)的便捷性，本文設(shè)計(jì)了基于CPLD芯片和USB芯片的USB-Blaster電路，通過CPLD接收USB接口傳遞過來的參數(shù)數(shù)據(jù)并將其轉(zhuǎn)換成FPGA芯片的配置數(shù)據(jù)，實(shí)現(xiàn)了利用USB數(shù)據(jù)線對(duì)FPGA芯片進(jìn)行設(shè)置的功能，USB-Blaster電路如圖3所示.系統(tǒng)分別采用頻率為50、125 MHz的有源晶振時(shí)鐘作為系統(tǒng)的外部時(shí)鐘源.該時(shí)鐘源充當(dāng)FPGA芯片內(nèi)部的PLL時(shí)鐘源并以此產(chǎn)生系統(tǒng)其余模塊所需的時(shí)鐘信號(hào).

圖3 USB-Blaster電路圖Fig.3 USB-Blaster circuit diagram

1.3 外部存儲(chǔ)器設(shè)計(jì)

為了解決圖像邊緣檢測(cè)系統(tǒng)運(yùn)算過程中需要大量存儲(chǔ)空間來存儲(chǔ)數(shù)據(jù)與FPGA芯片內(nèi)置RAM資源有限的矛盾，系統(tǒng)采用外部存儲(chǔ)器來存儲(chǔ)各種數(shù)據(jù)信息，實(shí)現(xiàn)了大存儲(chǔ)容量和快速讀寫的要求.外部存儲(chǔ)器包括FLASH芯片和DDR3 SDRAM芯片兩種，F(xiàn)LASH芯片用于存儲(chǔ)處理程序和FPGA芯片的配置文件等數(shù)據(jù)，DDR3 SDRAM芯片用于存儲(chǔ)待處理的圖像數(shù)據(jù)和運(yùn)算過程中產(chǎn)生的中間數(shù)據(jù).系統(tǒng)的FLASH芯片存儲(chǔ)容量為512 MB，具有25位地址線和16位數(shù)據(jù)線，能夠滿足程序存儲(chǔ)和讀取的要求.系統(tǒng)采用2片DDR3 SDRAM芯片存儲(chǔ)圖像數(shù)據(jù)，每片芯片的容量為2 GB，內(nèi)部時(shí)鐘頻率為533 MHz，具有16位地址總線，數(shù)據(jù)傳輸速率為1 066 MT/s，利用IP核對(duì)其進(jìn)行實(shí)時(shí)控制，方便數(shù)據(jù)的讀取和系統(tǒng)處理進(jìn)度的干預(yù).

1.4 千兆以太網(wǎng)設(shè)計(jì)

圖像邊緣檢測(cè)系統(tǒng)的千兆以太網(wǎng)主要用于實(shí)現(xiàn)FPGA芯片與便攜式上位計(jì)算機(jī)之間的數(shù)據(jù)和指令的傳輸.千兆以太網(wǎng)架構(gòu)包括數(shù)據(jù)鏈路層(MAC)和物理層(PHY)，MAC的功能采用Altera公司的IP核實(shí)現(xiàn)，采用MARVELL公司的88E1111芯片作為PHY和MAC之間的接口.千兆以太網(wǎng)的設(shè)計(jì)框圖如圖4所示.由圖4可知，MAC控制模塊掛接于Avalon總線上，實(shí)現(xiàn)與其他設(shè)備的數(shù)據(jù)交互.NIOS II CPU利用Avalon總線對(duì)MAC進(jìn)行控制.MAC利用GMII/RGMII與88E1111芯片進(jìn)行連接，利用MDC和MDIO對(duì)88E1111芯片進(jìn)行控制.系統(tǒng)利用TX SGDMA和RX SGDMA來實(shí)現(xiàn)千兆以太網(wǎng)全雙工的工作方式，TX SGDMA和RX SGDMA分別與MAC中的TX FIFO和RX FIFO進(jìn)行連接，TX SGDMA將待發(fā)送的數(shù)據(jù)送入TX FIFO中緩存，RX SGDMA將緩存在RX FIFO中的數(shù)據(jù)讀入系統(tǒng)存儲(chǔ)器.由于MAC內(nèi)部和88E1111芯片內(nèi)部都有32個(gè)寄存器，將兩者的寄存器一一對(duì)應(yīng)后，系統(tǒng)只需對(duì)MAC設(shè)置即可.

2 軟件算法設(shè)計(jì)

圖像邊緣檢測(cè)系統(tǒng)軟件采用匯編語言結(jié)合C++語言聯(lián)合開發(fā)的形式，利用C++語言開發(fā)便攜計(jì)算機(jī)中的控制界面程序、數(shù)據(jù)存儲(chǔ)程序和相關(guān)數(shù)據(jù)顯示程序，F(xiàn)PGA芯片中的邊緣檢測(cè)處理程序及相關(guān)的預(yù)處理程序等采用匯編語言結(jié)合C++語言的形式編寫.圖像邊緣檢測(cè)程序是系統(tǒng)的核心程序，開發(fā)的程序要滿足使用要求且運(yùn)算高效可靠.系統(tǒng)采用PCNN神經(jīng)網(wǎng)絡(luò)模型作為圖像邊緣檢測(cè)主程序算法.PCNN是一種單層的反饋型神經(jīng)網(wǎng)絡(luò)模型，處理基礎(chǔ)是神經(jīng)元.PCNN具有神經(jīng)元閾值和脈沖發(fā)送動(dòng)態(tài)可調(diào)、時(shí)間空間特性強(qiáng)、脈沖同步集群發(fā)送、脈沖以波的形式傳播等特點(diǎn)，能夠在不經(jīng)過樣本訓(xùn)練的情況下較好地實(shí)現(xiàn)圖像邊緣檢測(cè)功能.

圖4 千兆以太網(wǎng)設(shè)計(jì)圖Fig.4 Design diagram of Gigabit Ethernet

2.1 PCNN算法模型

系統(tǒng)采用簡化的PCNN模型進(jìn)行圖像邊緣檢測(cè)，不但具備傳統(tǒng)PCNN的優(yōu)點(diǎn)，還解決了傳統(tǒng)PCNN用于邊緣檢測(cè)時(shí)對(duì)神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)分析和參數(shù)確定困難、圖像中灰度相似或位置臨近的邊緣像素點(diǎn)集群模糊等現(xiàn)象.簡化PCNN模型包括接收部分、調(diào)制部分和脈沖產(chǎn)生部分，示意圖如圖5所示.

圖5 簡化PCNN示意圖Fig.5 Schematic diagram of simplified PCNN

1) 接收部分.接收部分模擬神經(jīng)元的樹突部分，用于接收外部和相鄰神經(jīng)元的信息輸入，由反饋輸入和鏈接輸入兩部分組成.反饋輸入通道F模擬接收外部刺激信息輸入，鏈接輸入通道L模擬相鄰神經(jīng)元樹突信息輸入，每種輸入狀態(tài)都由輸入信息和自身狀態(tài)決定.反饋輸入的表達(dá)式為

Fij(n)=exp(-αF)Fij(n-1)+

VF∑MijklYkl(n-1)+Sij

(1)

式中：αF為反饋輸入漏電容積分的時(shí)間衰減常數(shù)；Mijkl為反饋輸入中神經(jīng)元之間的鏈接權(quán)系數(shù)；VF為反饋輸入的幅度系數(shù)；Ykl為PCNN的脈沖輸出；Sij為外部刺激.在簡化的PCNN模型中，省略其他項(xiàng)，只保留外部刺激Sij作為該部分神經(jīng)元的輸入，其表達(dá)式可簡化為

Fij(n)=Sij

(2)

鏈接輸入表達(dá)式為

Lij(n)=exp(-αL)Lij(n-1)+

(3)

2) 調(diào)制部分.調(diào)制部分通過對(duì)鏈接輸入進(jìn)行正的單位偏置，再與反饋輸入相乘，結(jié)果是神經(jīng)元內(nèi)部活動(dòng)項(xiàng)Uij，其表達(dá)式為

Uij(n)=Fij(n)(1+βijLij(n))

(4)

式中，βij為神經(jīng)元之間的鏈接強(qiáng)度，偏移量規(guī)整為1.由于鏈接輸入的時(shí)間衰減常數(shù)αL大于反饋輸入的時(shí)間衰減常數(shù)αF，因此，鏈接輸入Lij比反饋輸入Fij變化快，鏈接輸入能夠在整個(gè)衰減過程中產(chǎn)生作用.調(diào)制部分相當(dāng)于在一個(gè)近似常量的信號(hào)上疊加了一個(gè)快速變化的信號(hào)，只要鏈接輸入存在，內(nèi)部活動(dòng)項(xiàng)Uij就大于反饋輸入Fij.

3) 脈沖產(chǎn)生部分.脈沖產(chǎn)生部分包括閾值函數(shù)和脈沖產(chǎn)生器兩部分，閾值函數(shù)用于得到動(dòng)態(tài)閾值θij，脈沖產(chǎn)生器根據(jù)θij與Uij的關(guān)系來產(chǎn)生脈沖，兩者的表達(dá)式為

θij(n)=exp(-αθ)θij(n-1)+VθYij(n-1)

(5)

(6)

式中：αθ為閾值函數(shù)的時(shí)間衰減常數(shù)；Vθ為閾值幅度系數(shù).當(dāng)動(dòng)態(tài)閾值θij小于內(nèi)部活動(dòng)項(xiàng)Uij時(shí)，神經(jīng)元點(diǎn)火，輸出脈沖Yij為1，此時(shí)神經(jīng)元的θij迅速增加.當(dāng)θij增加到大于Uij時(shí)，神經(jīng)元受到抑制，輸出脈沖變?yōu)?，然后θij迅速降低，當(dāng)θij又小于Uij時(shí)，神經(jīng)元再次點(diǎn)火，輸出脈沖再次變?yōu)?.因此，輸出脈沖的最大頻率小于等于脈沖發(fā)生器產(chǎn)生脈沖的頻率.此外，點(diǎn)火的神經(jīng)元會(huì)激勵(lì)與其相鄰的神經(jīng)元點(diǎn)火，從而觸發(fā)具有相似性質(zhì)且位置臨近的神經(jīng)元快速點(diǎn)火，進(jìn)而對(duì)圖像的邊緣等特征進(jìn)行檢測(cè).

2.2 算法處理流程

圖像的邊緣是圖像灰度發(fā)生劇烈變化的區(qū)域.圖像邊緣檢測(cè)就是通過特定處理來得到圖像中目標(biāo)對(duì)象和背景以及目標(biāo)對(duì)象和目標(biāo)對(duì)象之間的分界線.PCNN檢測(cè)圖像邊緣時(shí)，神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元與圖像的像素點(diǎn)對(duì)應(yīng)，像素點(diǎn)的個(gè)數(shù)等于神經(jīng)元的個(gè)數(shù).在二維圖像中，除邊界外每個(gè)像素點(diǎn)與其周圍的8個(gè)像素點(diǎn)相連，因此，神經(jīng)網(wǎng)絡(luò)中神經(jīng)元也與其周圍的8個(gè)神經(jīng)元相連.圖像中每個(gè)像素點(diǎn)的亮度作為對(duì)應(yīng)神經(jīng)元的F通道的輸入，其他神經(jīng)元的輸出作為L通道的輸入.每個(gè)神經(jīng)元只有兩種輸出狀態(tài)，即點(diǎn)火或熄滅.為了保證神經(jīng)元的輸出能夠自由傳播，規(guī)定某一神經(jīng)元的鄰域內(nèi)有一神經(jīng)元點(diǎn)火時(shí)，該神經(jīng)元就點(diǎn)火.假設(shè)圖像的背景為亮區(qū)，圖形目標(biāo)為暗區(qū)，由于背景的亮度值比目標(biāo)的亮度值大，背景對(duì)應(yīng)的神經(jīng)元首先點(diǎn)火，而目標(biāo)對(duì)應(yīng)的神經(jīng)元熄滅，點(diǎn)火的神經(jīng)元圖像記為A1.將亮區(qū)發(fā)送的脈沖傳遞特定像素之間的距離，則可使與亮區(qū)相鄰的暗區(qū)神經(jīng)元點(diǎn)火，這些與點(diǎn)火的暗區(qū)神經(jīng)元對(duì)應(yīng)的像素就是目標(biāo)圖像的邊緣，此時(shí)得到第二個(gè)點(diǎn)火神經(jīng)元圖像A2.通過將A1和A2進(jìn)行異或處理可得到圖像檢測(cè)的邊緣E，邊緣的寬度就是脈沖發(fā)送的距離寬度.由于點(diǎn)火脈沖按照?qǐng)D像目標(biāo)的形狀傳播，因此能夠得到目標(biāo)的完整邊緣.算法過程如下所示：

1) 圖像預(yù)處理和參數(shù)初始化.圖像用二維矩陣A存儲(chǔ)，A的大小與圖像的像素點(diǎn)相同.A中每個(gè)元素為對(duì)應(yīng)像素點(diǎn)的亮度，通過預(yù)處理將各像素的亮度值歸一化為0.1和1，其中，1的像素點(diǎn)表示背景，0.1的像素點(diǎn)表示目標(biāo).檢測(cè)結(jié)果矩陣為E，神經(jīng)元輸出矩陣為Y，鏈接矩陣為L，內(nèi)部活動(dòng)項(xiàng)矩陣為U，動(dòng)態(tài)閾值矩陣為θ，E、Y、L、U和θ的大小與A相同，令上述5個(gè)矩陣中元素均為0.設(shè)鄰接像素的運(yùn)算核矩陣K為3×3矩陣，并設(shè)置合適的鏈接強(qiáng)度，令n=N+1，其中，N為邊緣的寬度.

2) 根據(jù)式(3)、(4)、(6)分別計(jì)算矩陣L、U、Y的值.如果Y中某一元素為1，則根據(jù)式(5)計(jì)算矩陣θ中對(duì)應(yīng)元素的值，用于表示該神經(jīng)元點(diǎn)火后，提高其閾值使其不再點(diǎn)火.

3) 如果n=N+1，則令n=n-1并轉(zhuǎn)到步驟2)繼續(xù)執(zhí)行.否則令n=n-1，判斷Y中各元素取值，若某一元素值為1，將E中對(duì)應(yīng)元素的值設(shè)為1.

4) 如果n≠1，回到步驟2)繼續(xù)執(zhí)行，否則輸出檢測(cè)結(jié)果矩陣E.

3 試驗(yàn)及數(shù)據(jù)分析

為了檢驗(yàn)系統(tǒng)對(duì)典型圖像邊緣的檢測(cè)性能，分別選擇人物和風(fēng)景的照片作為試驗(yàn)對(duì)象.將處理后的圖像數(shù)據(jù)按要求傳遞給圖像采集模塊.利用圖像邊緣檢測(cè)系統(tǒng)對(duì)圖像邊緣進(jìn)行檢測(cè)，并將處理結(jié)果通過千兆以太網(wǎng)傳遞給便攜式上位計(jì)算機(jī).利用上位計(jì)算機(jī)中的處理結(jié)果顯示程序邊緣檢測(cè)結(jié)果.原始圖像和處理結(jié)果圖像如圖6所示.

圖6 試驗(yàn)結(jié)果圖Fig.6 Images of experimental results

由試驗(yàn)結(jié)果可知，對(duì)于人物圖像，系統(tǒng)較好地實(shí)現(xiàn)了圖像邊緣檢測(cè)的目的，特別是對(duì)眼睛和鼻子等較小的目標(biāo)，檢測(cè)的邊緣信息基本與實(shí)際情況相符.對(duì)于肩部等由于攝影角度光照導(dǎo)致的虛假邊緣也能夠有效屏蔽.對(duì)于灰度變化不大的邊界，比如帽沿和帽子上部的邊界，檢測(cè)效果較差.對(duì)于風(fēng)景圖像，近處的房屋及街道等目標(biāo)的邊緣能夠比較準(zhǔn)確地檢測(cè)，但是遠(yuǎn)處灰度值變化較小的森林和農(nóng)田的邊緣檢測(cè)效果較差.因此，系統(tǒng)能夠較好地滿足對(duì)靜態(tài)小場景物體的邊緣檢測(cè)需求.

對(duì)比系統(tǒng)中圖像邊緣檢測(cè)方法與傳統(tǒng)的Sobel算法和Canny算法檢測(cè)結(jié)果.為了直觀衡量三種方法的邊緣檢測(cè)效果，采用信息熵作為檢測(cè)結(jié)果的評(píng)價(jià)指標(biāo).當(dāng)邊緣漏檢情況發(fā)生時(shí)，邊緣圖像的信息熵會(huì)變小.信息熵定義為

(7)

式中：P0和P1分別表示二值圖像中1和0的概率；M為二值圖像中像素值總數(shù)；I和J為圖像的行數(shù)和列數(shù).對(duì)不同的圖像進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果如表1所示.由表1可知，系統(tǒng)所采用的處理方法對(duì)于每幅試驗(yàn)圖像所得結(jié)果的熵值都高于采用Sobel算法和Canny算法所得到結(jié)果的熵值，說明系統(tǒng)所采用方法的邊緣漏檢率更低，更好地滿足圖像邊緣檢測(cè)的需要.

表1 不同算法結(jié)果對(duì)比Tab.1 Comparison in results of different algorithms

4 結(jié) 論

本文研究了基于簡化PCNN算法的圖像邊緣檢測(cè)系統(tǒng)，分析了系統(tǒng)的硬件結(jié)構(gòu)和組成，并對(duì)圖像采集模塊、FPGA外圍電路、外部存儲(chǔ)器和千兆以太網(wǎng)等模塊進(jìn)行了詳細(xì)設(shè)計(jì)，提出了一種簡化PCNN的圖像邊緣檢測(cè)方法，研究了算法模型和算法運(yùn)行流程.試驗(yàn)結(jié)果表明，該系統(tǒng)能夠比較準(zhǔn)確地提取靜態(tài)小場景圖像的邊緣信息，并能克服各種原因帶來的虛邊緣現(xiàn)象.該圖像檢測(cè)系統(tǒng)采用的邊緣檢測(cè)算法比傳統(tǒng)的Sobel算法和Canny算法具有更好的邊緣檢測(cè)效果.