饶蔚巍 张小禄 姚新涛 丁毅

摘要：设计实现了一种基于DSP的实时图像识别系统，该系统功能包括采集图片、传输图片、图片预处理、图像识别等基本功能，研究分析了两种常见的图像识别算法，并利用系统对字符数据进行了图像识别实例分析，取得了较好的试验结果。

关键词：DSP；图像识别；实例应用

1 DSP概述

1.1DSP的发展与应用。随着计算机科学技术的迅速成熟与广泛使用，数字信号处理技术也随之迅猛的发展起来，研究人员提出了越来越多切实可行的数字信号处理方法，上世纪七十年代末研究人员首次提出了DSP的基本概念与处理方法，在此之前，解决数字信号处理问题只能凭借微型计算机来完成，算法编译速度慢，系统运行效率低，八十年代初，第一枚DSP芯片横空出世，即使在功率损耗以及大小上面稍有缺陷，但是就运行效率而言，远远将微型计算机甩在了身后。

现如今DSP制造技术日益成熟，应用领域越来越广泛，无论是在通信、电力，亦或是人工智能、日常生活等方方面面都能看到DSP的影子。

1.2DSP系统的特点。DSP系统最大的特点就是实时性，简单来说就是系统运行的速度远远大于采集信号的速度，整个系统将图片信号处理完成后的截止时间与采集图像信号的开始时间相差极小，时间差在误差允许范围内，则说明这个系统是具有实时性的，不同信号类型对系统的运行效率影响不同，就文字、语音或者电信号而言，数据样本极小，占用空间几乎可以忽略不计，但是图像信号往往是以二维、三维矩阵的形式传输储存，信号数据量极大，因此对系统采样速率以及处理信号的能力要求最高，想要利用MCU或者PC机来实现图像识别系统的设计难度极大，且很难达到理想效果。

相较于MCU与PC而言，DSP内部总线结构采用典型的哈佛结构，将数据与程序分别储存在不同的区域，有利于并行读指令与取操作数，加大程序处理效率。另外，DSP系统的逻辑与运算单元具有很多特点，比如采用专用的硬件乘法器来提高运算效率，缩短算法执行时间，并且还存在多功能单元使得DSP系统在最短的时间里并行完成最大的工作量。流水线结构、指令周期短等都是DSP系统优秀性能的基本保证。

2实时DSP图像识别系统的环境搭建

图像识别系统一般包括两大部分，分别是图像采集与图像识别，基本结构如图1所示。

系统初始化完成之后，触发信号导致DSP中断，DSP通过12C总线对采集芯片SAA7111寄存器设置特定参数，进而开始采集图片，经过CPLD实现采集芯片的帧控制、时序逻辑，发出特定的地址信号，结合锁存器便可生成RGB图像，图像采集完成之后，继而通过DSP的直接内存存取就可存入SDRAM以便进行图像识别算法的处理，同时也可以再通过PCI总线输送到Pc端显示。同时需要对DSP与各模块的接口进行设计搭建，完成各数据传输总线的逻辑控制，另外整个系统时钟设计与电源配置也都是十分重要的。

3

图像识别算法的设计

算法是整个实时图像识别系统的灵魂，优秀的图像识别算法必须符合运行速度快，简便易编写，并且识别图像的错误率低等基本特点。图像识别算法多种多样，各有各的特点，需要根据系统需要设计采取最适合的方案。

综上所述，职业技能竞赛的不仅使我们看到了职业教育课程中存在的问题，而且通过举行大赛可以促进对这些问题的解决，同时构建校企合作平台，疏通就业“出口”，响应国家“产教融合、双创精神”的号召。职业技能竞赛活动的开展，为职业院校创新培养模式、提高学生就业竞争核心能力找到了载体和切入点，为修改教学计划、增补教学内容、加强实训环节提供了依据。

3.1图像模板匹配算法。在多个时间、不同成像条件对相同成像对象的多个图像在空间上校准，也可以根据已知图像模式到另一幅图像中寻找相应模式的图像处理方法被称为图像模板匹配算法。在待处理图像之中搜寻目标，一般说来目标与模板具有相同的尺寸、方向与图像，设定匹配阂值，计算两者相关性再与阈值相比较，便可以在待处理图片中匹配到目标，根据像素确定目标所在位置，算法简单且容易实现，是最常用的图像识别算法之一。

3.2BP神经网络识别算法。BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科研小组首次提出，是一种按照误差逆传播算法训练的多层前馈网络，是应用领域非常多的一种模型。一般BP算法可以训练多层神经网络，近似最速下降法，其误差函数为平均平方误差。每个样本作用于网络时，权值或阈值都会得到一次修改，BP网络能够逼近任意的连续函数，非线性映射能力强，网络的中间层数、各层的处理单元数及网络的学习系数等按照实际需要设置，灵活性极强，算法流稗如图2所示。

4 DSP圖像识别系统实例应用

采用本次设计的DSP实时图像识别系统对不同字体的字符串图片“0123456789”进行识别，采集到图像之后先进行图像预处理，降低运算难度，增大匹配准确性，将预处理之后的图片作为待搜索图片进行处理，考虑到神经网络算法运算量较大，过程复杂，所以采用图像模板匹配算法，依据试验结果发现，当不设定阈值的时候，识别错误字符数量为三个，当设定阈值时，错误数量变为两个，正确识别率高达百分之九十，错误率为仅占百分之五，另外百分之五系统无法识别，当设定阂值大于0.60时，正确率降低，并且无法识别的字符数增加。当阈值设定值小于0.60时，正确率增加，无法识别的字符减少但是识别不准确的字符数增加。最后系统使用固定阈值0.60对规范样本字符数据进行识别，识别结果如表1所示。

5结束语

本文首先介绍了DSP的发展与应用，在分析DSP特点的基础上搭建了DSP实时图像识别系统的基本结构，对常用的两种图像识别算法，即模板匹配算法与BP神经网络算法做了简单介绍，并选择模板匹配算法作为此次设计的系统所采用的图像识别算法，对样本图像字符进行了识别处理，取得了较好的试验结果。