Image contour segmentation in hardware

Abstract

EN: The use of Behavioural Synthesis for hardware generation of a contour-based image segmentation method is considered. The segmentation method chosen, is a well-known, state-of-the-art, robust, efficient and fast-converging one, that combines functionals depending on the curve geometry and image properties in a level-set framework. The cost function sought to be minimized, is formulated as a weighted sum of three integral measures; a robust alignment term that leads the evolving surface to the edges of the desired object, a minimal variance term that measures the homogeneity inside and outside the object, and a geodesic active surface term that is used mainly for regularization. The algorithm is initially implemented in MatLab and ADA and subsequently, it is ported to our Behavioural Synthesis tool, the CCC HLS framework, which is capable of delivering correct-by-construction RTL VHDL implementations of computation-intensive applications. This way, behavioural ADA specifications are transformed into RTL micro-architectures which then can be easily implemented by commercial RTL synthesizers. UK: Розглянуто використання поведінкового синтезу для створення апаратного забезпечення контурної сегментації зображень. В якості методу сегментації обраний добре відомий, надійний, ефективний метод, що швидко збігається, який комбінує функціонали, залежні від геометрії кривих і властивостей зображення у множині рівнів структури. Мінімізована функція витрат формулюється як зважена сума трьох інтегральних мір: стійкого вирівнювання (прагне розвинути поверхню до країв бажаного об’єкта), мінімальної дісперсії (вимірює однорідність всередині і зовні об’єкта) і геодезично активної поверхні (використовується в основному для регуляризації). Алгоритм спочатку реалізований в Matlab і ADA, а потім, він перенесений у наш інструмент Поведінкового синтезу – середовище ССС HLS, яке здатне створювати правильно побудовані RTL VHDL реалізації додатків, що інтенсивно використовують обчислення. Таким чином, поведінкові характеристики ADA перетворюються у мікроархітектури RTL, які потім можуть бути легко реалізовані за допомогою комерційних RTL синтезаторів.