Diseño e implementación de estructuras neuronales celulares para procesamiento de imágenes con Hardware Reconfigurable

Abstract

En esta tesis se propone el diseño y la implementación sobre Hardware Reconfigurable FPGA (Field Programmable Gate Array) de una estructura para el procesamiento de imágenes en escala de grises basado en redes neuronales celulares (CNN Ce/fular Neura/ Network). Partiendo del estado del arte referente a todo lo que involucra el modelo de la CNN junto con la teoría del Procesamiento Digital de Imágenes, este trabajo plantea la metodología para el diseño de módulos capaces de realizar operaciones morfológicas sobre imágenes a escala de grises, que en conjunto integren redes con diferentes estructuras, por medio de la utilización de un lenguaje de descripción de Hardware, tratando de obtener el equilibrio justo entre velocidad de procesamiento y área de ocupación. El paradigma de la CNN lo desarrollaron L. O. Chua y L. Yang a finales de los años 80, sus trabajos respecto al tema explican tanto la teoría como algunas de las aplicaciones. Tomando como base las redes neuronales artificiales y la estructura de los autómatas celulares, las redes neuronales celulares explotan su característica de procesamiento masivo paralelo, ya que alteran su estado actual, por medio de la interacción de unidades de procesamiento individuales (llamadas células) y mediante una esfera de influencia determinada, mejor conocida como vecindario.