基于Zynq的暗通道先验去雾算法软硬件协同设计
发布时间：2021-01-14 20:29
雾霾天气会造成视觉设备获取的图像对比度降低和颜色失真的现象,影响了以视觉图像为基础的视频监控、智能驾驶、遥感系统等对图像特征信息的获取,进而影响了系统的稳定性。本文对雾天图像退化机理进行了分析,并在Zynq SoC平台上集成了图像采集,雾的检测和暗通道先验去雾算法处理。本设计基于高层次综合技术,对暗通道先验算法进行功能划分,利用ARM处理器处理结构相对复杂的部分,FPGA处理算法中的计算量大且可并行处理的部分,采用软硬协同处理来提高算法的执行效率。本文的工作主要有:（1）在FPGA部分设计暗通道先验算法的硬件加速IP核,包括:暗通道的计算,粗略传输图的计算;导向滤波细化透射率,采用导向图,雾天图像和两者的乘积三路数据分时并行运算的方式加速算法;考虑到导向滤波计算量大的特点,选用具有保持边缘功能的联合双边滤波进行对比;针对天空区域处理后的偏亮的问题,结合雾天天空特征,提出基于亮度和梯度的天空分割方式,并将亮度分割和梯度分割两路数据并行处理加速算法,进一步优化分割出来的天空区域;无雾图像的恢复,采用定点计算、流水线处理的方式优化硬件的处理过程;采用转换到HSV颜色空间,适当增加亮度再转到R...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
图２．３环境光衰减模型??Ｆｉｇ．?２．３?Ｔｈｅ?ｍｏｄｅｌ?ｏｆ?ａｍｂｉｅｎｔ?ｌｉｇｈｔ?ａｔｔｅｎｕａｔｉｏｎ??－８?－??
?基于Ｚｙｎｑ的暗通道先验去雾算法软硬件协同设计???交换。如果图像Ｊ是户外的无雾图像，那么，除去天空外的区域，图像的暗通道图像的??强度值是趋近于零的，即：??严—〇?（２．６）??这样，就称为Ｊ的暗通道，上述的通过观察得到的结论就称为暗通道先验。??暗通道中的低强度主要是由于以下三个因素：ａ、阴影：比如城市景观中的汽车、建??筑物和窗户内部的阴影，或景观图像中的树叶、树木和岩石的阴影；ｂ、彩色的物体或彩??色的表面：在某一颜色通道中缺少颜色的任何物体，即某一通道的值很低，比如：绿地、??绿树、绿色的植物，红色或黄色的花或叶子，或者是蓝色的水面；ｃ、颜色比较暗的物体??以及它的表面，比如昏暗的树干、石头。由于自然的户外图像中通常充满了阴影和色彩，??所以这些图像的暗通道图像的值是非常小的。有雾图像的暗通道图像如图２．４所示，无??雾图像的暗通道图像如图２．５所示。??＆麵農、．ｆ＇?、麗??＆?遍…??（ａ）城市原图?（ｂ）城市暗通道图??（ａ）?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?ｏｆ?ｃｉｔｙ?（ｂ?）?Ｔｈｅ?ｄａｒｋ?ｃｈａｎｎｅｌ?ｏｆ?ｃｉｔｙ??（ｃ）公园原图?（ｄ）公园暗通道图??（ｃ）?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?ｏｆ?ｐａｒｋ?（ｄ?）?Ｔｈｅ?ｄａｒｋ?ｃｈａｎｎｅｌ?ｏｆ?ｐａｒｋ??图２．４有雾图像的暗通道图像??Ｆｉｇ．?２．４?Ｄａｒｋ?ｃｈａｎｎｅｌ?ｉｍａｇｅ?ｏｆ?ｆｏｇｇｙ?ｉｍａｇｅ??－１０?－??
Ｍ）和２８ｎｍＸｉｌｉｎｘ可编程逻辑（ＦＰＧＡ），两者的通信??方式采用通用的ＡＸＩ工业总线，将传统的ＡＲＭ和ＦＰＧＡ结合到一起［４Ｇ］。ＡＲＭ?Ｃｏｒｔｅｘ－??Ａ９?ＣＰＵ是ＡＲＭ的核心，还包括片上存储器，外部存储器接口和丰富的外设连接接口。??因此，Ｚｙｎｑ－７０００?ＳｏＣ能够满足广泛的应用，包括：汽车智能驾驶，广播相机、工业电??机控制，工业网络和机器视觉，ＩＰ和智能相机，ＬＴＥ无线电和基带、医疗诊断和成像和??视频夜视设备等应用１４（）］。??Ｚｙｎｑ?ＳｏＣ平台的架构如图３．１所示，ＡＲＭ?（ＰＳ）部分主要包括四个模块：应用处??理单元（ＡＰＵ）模块、内存接口模块、Ｉ／Ｏ外设（ＩＯＰ）模块和互连模块。ＦＰＧＡ?（ＰＬ）??部分主要包括：可配置逻辑块、ＤＳＰ模块、可编程Ｉ／Ｏ块、所选器件中的低功耗串行收??发器、两个１２位模数转换器和ＦＰＧＡ配置模块。ＦＰＧＡ?（ＰＬ）可以看作为ＡＲＭ?（ＰＳ）??的外设。??Ｐｒｏｃｅｓｓｉｎｇ?Ｓｙｓｔｅｍ?「?—?■?－??—?１?？??ｋ?Ｓｔ？ｔ？ｃ?Ｍｅｍｏｒｙ?Ｃｏｎｔｒｏｉｌｃｉ?Ｄｙｎａｍｉｃ?Ｍｅｍｏｒｙ?Ｃｏｎｔｉ?ｏｉｌｅｒ?Ｐｒ〇ｇｒ３ｒｎｒｎａｂｌ６??４?Ｐ?Ｑｕ＊ｄ－ＳＰＩ．?ＮＡＮＯ．?ＮＯＲ?Ｄ０Ｒ３．?００Ｒ２，?ＬＰＤ０Ｒ２?Ｌ〇ｇｌＣ：??￣｜一＇?｜?Ｓｙｓｔｅｍ?Ｇａｔｅｓ?＿??４?？｜——丨＂?ＡＭＢＡ？?Ｓｗｉｔｃｈｅｓ?｜?ＡＭＢＡ＊?Ｓｗｉｉｃｈｗ?ＤＳＰ?ＲＡＭ?交??ＳＪＶＸＬＨＰ０?；??卜―—：二二二ＡＲ？．ｒ４?ｖ＇〇ｒ？Ｓｎ３？！ｔ＇－?４?Ｔｒａｃ？?Ｄ＜＊ｂｗｇ?
【参考文献】：
期刊论文
[1]结合颜色线和暗通道的遥感图像去雾[J]. 张峥,李奇,徐之海,冯华君,陈跃庭. 光学精密工程. 2019(01)
[2]基于天空分割的单幅图像去雾算法[J]. 毛祥宇,李为相,丁雪梅. 计算机应用. 2017(10)
[3]基于改进暗通道先验的交通图像去雾新方法[J]. 王泽胜,董宝田,赵芳璨,要悦稳. 控制与决策. 2018(03)
[4]图像去雾算法的改进和主客观性能评价[J]. 李佳童,章毓晋. 光学精密工程. 2017(03)
[5]基于天空区域分割的单幅海面图像去雾方法[J]. 雷琴,施朝健,陈婷婷. 计算机工程. 2015(05)
[6]结合天空识别和暗通道原理的图像去雾[J]. 李加元,胡庆武,艾明耀,严俊. 中国图象图形学报. 2015(04)
[7]基于FPGA的高清实时视频去雾系统的设计与实现[J]. 曹亚辉,刘峰. 电视技术. 2015(07)
[8]融合边缘信息的单尺度Retinex海雾去除算法[J]. 马忠丽,文杰. 计算机辅助设计与图形学学报. 2015(02)
[9]图像去雾的最新研究进展[J]. 吴迪,朱青松. 自动化学报. 2015(02)
[10]结合暗通道原理和双边滤波的遥感图像增强[J]. 周雨薇,陈强,孙权森,胡宝鹏. 中国图象图形学报. 2014(02)
博士论文
[1]面向室外监控场景的天气分类与低质图像增强技术研究[D]. 张征.北京邮电大学 2017
[2]图像快速去雾与清晰度恢复技术研究[D]. 嵇晓强.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
硕士论文
[1]基于ZYNQ的机载地面目标跟踪器设计[D]. 杨浩然.哈尔滨工业大学 2018
[2]基于异构平台的暗通道实时去雾算法研究[D]. 侯宇凡.湖南大学 2018
[3]基于暗通道先验自适应融合的图像雾霾去除方法[D]. 陈冰.西安电子科技大学 2018
[4]基于FPGA的立体视觉相机去雾算法研究[D]. 刘威.北京邮电大学 2018
[5]基于Zynq的汽车驾驶员疲劳检测系统设计[D]. 辛春明.大连海事大学 2018
[6]基于暗通道先验的雾天降质图像复原方法[D]. 王怀.西安电子科技大学 2017
[7]有雾图像传输系统中的去雾和去块方法研究[D]. 王丽萍.山东大学 2017
[8]基于FPGA的图像去雾算法及其实现[D]. 王续.东南大学 2017
[9]实时视频去雾算法的研究及其FPGA实现[D]. 曹慧.南京理工大学 2017
[10]单幅雾天图像的去雾算法研究[D]. 戎成明.安徽大学 2017
本文编号：2977493
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
图２．３环境光衰减模型??Ｆｉｇ．?２．３?Ｔｈｅ?ｍｏｄｅｌ?ｏｆ?ａｍｂｉｅｎｔ?ｌｉｇｈｔ?ａｔｔｅｎｕａｔｉｏｎ??－８?－??
?基于Ｚｙｎｑ的暗通道先验去雾算法软硬件协同设计???交换。如果图像Ｊ是户外的无雾图像，那么，除去天空外的区域，图像的暗通道图像的??强度值是趋近于零的，即：??严—〇?（２．６）??这样，就称为Ｊ的暗通道，上述的通过观察得到的结论就称为暗通道先验。??暗通道中的低强度主要是由于以下三个因素：ａ、阴影：比如城市景观中的汽车、建??筑物和窗户内部的阴影，或景观图像中的树叶、树木和岩石的阴影；ｂ、彩色的物体或彩??色的表面：在某一颜色通道中缺少颜色的任何物体，即某一通道的值很低，比如：绿地、??绿树、绿色的植物，红色或黄色的花或叶子，或者是蓝色的水面；ｃ、颜色比较暗的物体??以及它的表面，比如昏暗的树干、石头。由于自然的户外图像中通常充满了阴影和色彩，??所以这些图像的暗通道图像的值是非常小的。有雾图像的暗通道图像如图２．４所示，无??雾图像的暗通道图像如图２．５所示。??＆麵農、．ｆ＇?、麗??＆?遍…??（ａ）城市原图?（ｂ）城市暗通道图??（ａ）?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?ｏｆ?ｃｉｔｙ?（ｂ?）?Ｔｈｅ?ｄａｒｋ?ｃｈａｎｎｅｌ?ｏｆ?ｃｉｔｙ??（ｃ）公园原图?（ｄ）公园暗通道图??（ｃ）?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?ｏｆ?ｐａｒｋ?（ｄ?）?Ｔｈｅ?ｄａｒｋ?ｃｈａｎｎｅｌ?ｏｆ?ｐａｒｋ??图２．４有雾图像的暗通道图像??Ｆｉｇ．?２．４?Ｄａｒｋ?ｃｈａｎｎｅｌ?ｉｍａｇｅ?ｏｆ?ｆｏｇｇｙ?ｉｍａｇｅ??－１０?－??
Ｍ）和２８ｎｍＸｉｌｉｎｘ可编程逻辑（ＦＰＧＡ），两者的通信??方式采用通用的ＡＸＩ工业总线，将传统的ＡＲＭ和ＦＰＧＡ结合到一起［４Ｇ］。ＡＲＭ?Ｃｏｒｔｅｘ－??Ａ９?ＣＰＵ是ＡＲＭ的核心，还包括片上存储器，外部存储器接口和丰富的外设连接接口。??因此，Ｚｙｎｑ－７０００?ＳｏＣ能够满足广泛的应用，包括：汽车智能驾驶，广播相机、工业电??机控制，工业网络和机器视觉，ＩＰ和智能相机，ＬＴＥ无线电和基带、医疗诊断和成像和??视频夜视设备等应用１４（）］。??Ｚｙｎｑ?ＳｏＣ平台的架构如图３．１所示，ＡＲＭ?（ＰＳ）部分主要包括四个模块：应用处??理单元（ＡＰＵ）模块、内存接口模块、Ｉ／Ｏ外设（ＩＯＰ）模块和互连模块。ＦＰＧＡ?（ＰＬ）??部分主要包括：可配置逻辑块、ＤＳＰ模块、可编程Ｉ／Ｏ块、所选器件中的低功耗串行收??发器、两个１２位模数转换器和ＦＰＧＡ配置模块。ＦＰＧＡ?（ＰＬ）可以看作为ＡＲＭ?（ＰＳ）??的外设。??Ｐｒｏｃｅｓｓｉｎｇ?Ｓｙｓｔｅｍ?「?—?■?－??—?１?？??ｋ?Ｓｔ？ｔ？ｃ?Ｍｅｍｏｒｙ?Ｃｏｎｔｒｏｉｌｃｉ?Ｄｙｎａｍｉｃ?Ｍｅｍｏｒｙ?Ｃｏｎｔｉ?ｏｉｌｅｒ?Ｐｒ〇ｇｒ３ｒｎｒｎａｂｌ６??４?Ｐ?Ｑｕ＊ｄ－ＳＰＩ．?ＮＡＮＯ．?ＮＯＲ?Ｄ０Ｒ３．?００Ｒ２，?ＬＰＤ０Ｒ２?Ｌ〇ｇｌＣ：??￣｜一＇?｜?Ｓｙｓｔｅｍ?Ｇａｔｅｓ?＿??４?？｜——丨＂?ＡＭＢＡ？?Ｓｗｉｔｃｈｅｓ?｜?ＡＭＢＡ＊?Ｓｗｉｉｃｈｗ?ＤＳＰ?ＲＡＭ?交??ＳＪＶＸＬＨＰ０?；??卜―—：二二二ＡＲ？．ｒ４?ｖ＇〇ｒ？Ｓｎ３？！ｔ＇－?４?Ｔｒａｃ？?Ｄ＜＊ｂｗｇ?
【参考文献】：
期刊论文
[1]结合颜色线和暗通道的遥感图像去雾[J]. 张峥,李奇,徐之海,冯华君,陈跃庭. 光学精密工程. 2019(01)
[2]基于天空分割的单幅图像去雾算法[J]. 毛祥宇,李为相,丁雪梅. 计算机应用. 2017(10)
[3]基于改进暗通道先验的交通图像去雾新方法[J]. 王泽胜,董宝田,赵芳璨,要悦稳. 控制与决策. 2018(03)
[4]图像去雾算法的改进和主客观性能评价[J]. 李佳童,章毓晋. 光学精密工程. 2017(03)
[5]基于天空区域分割的单幅海面图像去雾方法[J]. 雷琴,施朝健,陈婷婷. 计算机工程. 2015(05)
[6]结合天空识别和暗通道原理的图像去雾[J]. 李加元,胡庆武,艾明耀,严俊. 中国图象图形学报. 2015(04)
[7]基于FPGA的高清实时视频去雾系统的设计与实现[J]. 曹亚辉,刘峰. 电视技术. 2015(07)
[8]融合边缘信息的单尺度Retinex海雾去除算法[J]. 马忠丽,文杰. 计算机辅助设计与图形学学报. 2015(02)
[9]图像去雾的最新研究进展[J]. 吴迪,朱青松. 自动化学报. 2015(02)
[10]结合暗通道原理和双边滤波的遥感图像增强[J]. 周雨薇,陈强,孙权森,胡宝鹏. 中国图象图形学报. 2014(02)
博士论文
[1]面向室外监控场景的天气分类与低质图像增强技术研究[D]. 张征.北京邮电大学 2017
[2]图像快速去雾与清晰度恢复技术研究[D]. 嵇晓强.中国科学院研究生院（长春光学精密机械与物理研究所） 2012
硕士论文
[1]基于ZYNQ的机载地面目标跟踪器设计[D]. 杨浩然.哈尔滨工业大学 2018
[2]基于异构平台的暗通道实时去雾算法研究[D]. 侯宇凡.湖南大学 2018
[3]基于暗通道先验自适应融合的图像雾霾去除方法[D]. 陈冰.西安电子科技大学 2018
[4]基于FPGA的立体视觉相机去雾算法研究[D]. 刘威.北京邮电大学 2018
[5]基于Zynq的汽车驾驶员疲劳检测系统设计[D]. 辛春明.大连海事大学 2018
[6]基于暗通道先验的雾天降质图像复原方法[D]. 王怀.西安电子科技大学 2017
[7]有雾图像传输系统中的去雾和去块方法研究[D]. 王丽萍.山东大学 2017
[8]基于FPGA的图像去雾算法及其实现[D]. 王续.东南大学 2017
[9]实时视频去雾算法的研究及其FPGA实现[D]. 曹慧.南京理工大学 2017
[10]单幅雾天图像的去雾算法研究[D]. 戎成明.安徽大学 2017
本文编号：2977493
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2977493.html
最近更新
教材专著
