各向异性模型图像增强算法的研究与FPGA实现
发布时间：2021-01-26 16:50
随着生物医学、机器视觉、工业检测等领域中图像传感器的发展,基于偏微分方程的各向异性扩散模型图像增强算法已经被广泛应用。传感器模块需要的功能与效率在不断提高,使得对各向异性扩散模型图像增强算法的性能改进成为一个重要课题。本文在对各向异性扩散模型中Perona-Malik模型进行了局限性分析后,找出三点改进之处,包括边缘细节保留效果不好、对比度和亮度下降严重以及迭代计算时间利用率低。针对缺陷的改进办法,本文的主要内容如下:1、针对边缘细节保留效果不好的缺陷,本文借用Laplace图像增强算法中逆热扩散方程的思想,同时根据Perona-Malik模型中各向异性的扩散函数,研究了一种能够结合原有扩散函数的锐化函数,使得改进型Perona-Malik模型算法能够在边缘区域和非边缘区域进行不同的操作,达到了增强边缘细节信息的作用。2、针对对比度和亮度下降严重的缺陷,本文将对数变换处理放置于改进型PeronaMalik模型算法处理之前,能够压缩图像的高灰度值区域,扩展低灰度值区域,从而达到提升图像对比度和灰度均值的目的。3、针对迭代计算时间利用率低的问题,由于传统的计算机处理方法已经很难满足算法的硬...
【文章来源】： 张天祥 中北大学
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
Perona-Malik模型算法处理结果
中北大学学位论文13I(x,y,t)=I(x,y)-t(2Ix2+2Iy2)(2-16)在软件实现过程中，Laplace图像增强算法主要是依靠3×3模板进行实现，其中常用的3×3模板权重系数如图2-4所示，图中左侧为四领域模板，右侧为八领域模板，由于各个方向上系数都为固定的值，所以Laplace图像增强算法是一种各向同性的模板。0-10-14-10-10-1-1-1-18-1-1-1-1图2-4Laplace算子权重系数模板利用以上两个模板分别进行处理，文软件实现平台为VS2013，使用C++语言和OpenCV3.0开发库进行实现，得到如图2-5所示处理结果，其中图2-5(a)为原图，图2-5(b)、(d)为四领域和八领域模板处理图像，图2-5(c)、(e)为处理图像与原图的差值，可以提现出增强算法所增加的细节信息。(a)原图(b)四领域模板(c)四领域模板差值(d)八领域模板(e)八领域模板差值图2-5Laplace算法处理结果根据图像结果可知，当热扩散方程进行逆向扩散时，图像的细节增强效果变强，但是在增强图像边缘细节的过程中，也将图像噪声进行了放大，图像的边缘会产生过冲现象，从而对图像本身的信息造成了干扰，所以这种单方面增强的在实际应用中有很大的局限性。2.3.2改进型Perona-Malik模型算法原理通过分析Laplace算法的逆热扩散模型，本文针对传统的Perona-Malik模型，添加其逆扩散函数，并针对函数的参数进行选择。改进型Perona-Malik模型的迭代形式可以表示为如式(2-17)所示：
中北大学学位论文15图2-6(b)中为假定取ω=0.1时的流函数，相比在传统Perona-Malik模型中，随着梯度增大，扩散函数和流函数缓慢降为0值，改进型Perona-Malik模型在I>K/√ω时，扩散函数和流函数由正值变负值。即区分不同区域后进行相反的操作，选取ω=0.1时，对应的是锐化I>3.16K的边缘信息，平滑I<3.16K的非边缘区域。因此，选取合适的ω和K值能够让改进型Perona-Malik模型合理地进行平滑或锐化操作，从而达到增强图像细节的目的[45]。为了防止改进型Perona-Malik模型对图像的过度锐化操作，选取合适的ω和K值是使算法适用性强的关键。经过4次迭代，选取K=1,2,3、ω=0.05,0.2,0.3，如图2-7和图2-8所示结果，其中图2-7为各参数处理结果图，图2-8为处理结果与原图的差值图。(a)K=1,ω=0.05(b)K=1,ω=0.2(c)K=1,ω=0.3(d)K=2,ω=0.05(e)K=2,ω=0.2(f)K=2,ω=0.3(g)K=1,ω=0.05(h)K=1,ω=0.2(i)K=1,ω=0.3图2-7各参数处理结果图(a)K=1,ω=0.05(b)K=1,ω=0.2(c)K=1,ω=0.3
【参考文献】：
期刊论文
[1]基于CMOS图像传感器的彩色滤镜和微透镜工艺研究[J]. 史海军,叶红波. 集成电路应用. 2020(02)
[2]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜. 中国图象图形学报. 2019(12)
[3]基于FPGA的微处理器SET敏感性评估方法[J]. 孙骏,梁华国,姚瑶,黄正峰,徐秀敏. 合肥工业大学学报(自然科学版). 2019(11)
[4]基于实时数据的智能农业图像处理系统的实现[J]. 邓泓,杨滢婷,刘志超,彭莹琼. 数字技术与应用. 2019(11)
[5]基于FPGA和OV5640的图像采集和处理系统设计[J]. 裴正雄,彭安金. 机电信息. 2019(32)
[6]基于FPGA的自适应直方图均衡算法的研究与实现[J]. 贺聪,胡乃瑞,李玉峰. 电子设计工程. 2019(21)
[7]基于图像识别和多感知融合的列车自动防护方案[J]. 徐建勇,丰文胜,薛强. 铁道通信信号. 2019(10)
[8]基于FPGA的HDMI显示设备背光视觉增强系统的设计[J]. 徐建东,肖金球,孙磊. 现代电子技术. 2019(20)
[9]基于FPGA的光电成像与显示电路设计[J]. 赵红伟,刘凯丽,张伟,陈建军. 光电子技术. 2019(03)
[10]最新商用智能驾驶计算机方案与展望[J]. 袁沂. 汽车文摘. 2019(08)
博士论文
[1]工业X射线图像增强算法研究[D]. 陈燕.中北大学 2016
硕士论文
[1]基于FPGA的直线特征高速视觉检测方法研究[D]. 朱欢欢.哈尔滨工业大学 2019
[2]基于FPGA图像边缘检测算法的实现[D]. 张敏.中北大学 2019
[3]中继卫星系统宽带信道模拟器硬件电路设计与实现[D]. 吕鲁振.北京理工大学 2015
[4]基于STM32和FreeRTOS的独立式运动控制器设计与研究[D]. 谢鹏程.华南理工大学 2012
[5]对图像去噪的Perona-Malik模型的改进及数值算法的研究[D]. 刘晓娜.中央民族大学 2012
[6]红外热像仪视频图像实时处理器的研制[D]. 顾东升.南京理工大学 2002
本文编号：3001477
【文章来源】： 张天祥 中北大学
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
Perona-Malik模型算法处理结果
中北大学学位论文13I(x,y,t)=I(x,y)-t(2Ix2+2Iy2)(2-16)在软件实现过程中，Laplace图像增强算法主要是依靠3×3模板进行实现，其中常用的3×3模板权重系数如图2-4所示，图中左侧为四领域模板，右侧为八领域模板，由于各个方向上系数都为固定的值，所以Laplace图像增强算法是一种各向同性的模板。0-10-14-10-10-1-1-1-18-1-1-1-1图2-4Laplace算子权重系数模板利用以上两个模板分别进行处理，文软件实现平台为VS2013，使用C++语言和OpenCV3.0开发库进行实现，得到如图2-5所示处理结果，其中图2-5(a)为原图，图2-5(b)、(d)为四领域和八领域模板处理图像，图2-5(c)、(e)为处理图像与原图的差值，可以提现出增强算法所增加的细节信息。(a)原图(b)四领域模板(c)四领域模板差值(d)八领域模板(e)八领域模板差值图2-5Laplace算法处理结果根据图像结果可知，当热扩散方程进行逆向扩散时，图像的细节增强效果变强，但是在增强图像边缘细节的过程中，也将图像噪声进行了放大，图像的边缘会产生过冲现象，从而对图像本身的信息造成了干扰，所以这种单方面增强的在实际应用中有很大的局限性。2.3.2改进型Perona-Malik模型算法原理通过分析Laplace算法的逆热扩散模型，本文针对传统的Perona-Malik模型，添加其逆扩散函数，并针对函数的参数进行选择。改进型Perona-Malik模型的迭代形式可以表示为如式(2-17)所示：
中北大学学位论文15图2-6(b)中为假定取ω=0.1时的流函数，相比在传统Perona-Malik模型中，随着梯度增大，扩散函数和流函数缓慢降为0值，改进型Perona-Malik模型在I>K/√ω时，扩散函数和流函数由正值变负值。即区分不同区域后进行相反的操作，选取ω=0.1时，对应的是锐化I>3.16K的边缘信息，平滑I<3.16K的非边缘区域。因此，选取合适的ω和K值能够让改进型Perona-Malik模型合理地进行平滑或锐化操作，从而达到增强图像细节的目的[45]。为了防止改进型Perona-Malik模型对图像的过度锐化操作，选取合适的ω和K值是使算法适用性强的关键。经过4次迭代，选取K=1,2,3、ω=0.05,0.2,0.3，如图2-7和图2-8所示结果，其中图2-7为各参数处理结果图，图2-8为处理结果与原图的差值图。(a)K=1,ω=0.05(b)K=1,ω=0.2(c)K=1,ω=0.3(d)K=2,ω=0.05(e)K=2,ω=0.2(f)K=2,ω=0.3(g)K=1,ω=0.05(h)K=1,ω=0.2(i)K=1,ω=0.3图2-7各参数处理结果图(a)K=1,ω=0.05(b)K=1,ω=0.2(c)K=1,ω=0.3
【参考文献】：
期刊论文
[1]基于CMOS图像传感器的彩色滤镜和微透镜工艺研究[J]. 史海军,叶红波. 集成电路应用. 2020(02)
[2]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜. 中国图象图形学报. 2019(12)
[3]基于FPGA的微处理器SET敏感性评估方法[J]. 孙骏,梁华国,姚瑶,黄正峰,徐秀敏. 合肥工业大学学报(自然科学版). 2019(11)
[4]基于实时数据的智能农业图像处理系统的实现[J]. 邓泓,杨滢婷,刘志超,彭莹琼. 数字技术与应用. 2019(11)
[5]基于FPGA和OV5640的图像采集和处理系统设计[J]. 裴正雄,彭安金. 机电信息. 2019(32)
[6]基于FPGA的自适应直方图均衡算法的研究与实现[J]. 贺聪,胡乃瑞,李玉峰. 电子设计工程. 2019(21)
[7]基于图像识别和多感知融合的列车自动防护方案[J]. 徐建勇,丰文胜,薛强. 铁道通信信号. 2019(10)
[8]基于FPGA的HDMI显示设备背光视觉增强系统的设计[J]. 徐建东,肖金球,孙磊. 现代电子技术. 2019(20)
[9]基于FPGA的光电成像与显示电路设计[J]. 赵红伟,刘凯丽,张伟,陈建军. 光电子技术. 2019(03)
[10]最新商用智能驾驶计算机方案与展望[J]. 袁沂. 汽车文摘. 2019(08)
博士论文
[1]工业X射线图像增强算法研究[D]. 陈燕.中北大学 2016
硕士论文
[1]基于FPGA的直线特征高速视觉检测方法研究[D]. 朱欢欢.哈尔滨工业大学 2019
[2]基于FPGA图像边缘检测算法的实现[D]. 张敏.中北大学 2019
[3]中继卫星系统宽带信道模拟器硬件电路设计与实现[D]. 吕鲁振.北京理工大学 2015
[4]基于STM32和FreeRTOS的独立式运动控制器设计与研究[D]. 谢鹏程.华南理工大学 2012
[5]对图像去噪的Perona-Malik模型的改进及数值算法的研究[D]. 刘晓娜.中央民族大学 2012
[6]红外热像仪视频图像实时处理器的研制[D]. 顾东升.南京理工大学 2002
本文编号：3001477
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3001477.html
