神经网络图像压缩算法的FPGA实现研究

发布时间：2022-10-21 08:25

　　随着通信以及多媒体技术的发展,互联网时代的到来已经改变了传统的信息传递方式,通过网络和计算机传输与处理的数据,特别是图像数据,数量急剧增加,由此带来的传输带宽和存储空间过多占用的问题催生了图像有损压缩技术的广泛研究。神经网络（Neural Networks,NNs）在图像处理和计算机视觉领域的应用取得了巨大的成功,尤其是在图像识别和理解、图像压缩和去噪等方面都获得了很好的处理效果。然而现有的神经网络图像压缩技术大多在通用微处理器上实现,占用了较多的CPU资源,最终导致系统性能和处理效率低下。随着微电子制造工艺的进步和大规模集成电路的发展,现场可编程门阵列（Field Programmable Gate Array,FPGA）因其资源丰富、可灵活配置、并行处理能力强等特性,通过与神经网络本身的并行计算特性相结合来作为图像压缩的硬件载体,能够大大提高压缩处理能力。本文对神经网络实现图像压缩的原理以及硬件实现神经网络的原理分别进行了详细的研究和分析,在此基础上,为了克服反向传播（Back Propagation,BP）网络的不足,设计了具有图像压缩能力的卷积自编码器（Convolutiona... 

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 神经网络的发展
        1.2.2 神经网络的图像压缩应用
        1.2.3 神经网络的硬件加速实现
    1.3 本文主要工作与章节安排
第二章 神经网络图像压缩算法基础
    2.1 图像压缩相关理论
        2.1.1 传统压缩算法
        2.1.2 图像质量评价方法
    2.2 神经网络图像压缩理论
        2.2.1 神经网络基本运算
        2.2.2 BP网络压缩原理
        2.2.3 卷积自编码网络压缩原理
    2.3 神经网络的FPGA实现原理
    2.4 本章小结
第三章 神经网络图像压缩算法设计及FPGA实现
    3.1 设计与实现流程
    3.2 图像压缩网络模型设计
    3.3 FPGA硬件平台
        3.3.1 平台选择
        3.3.2 开发流程
    3.4 图像压缩硬件框架设计
    3.5 卷积编码核心模块设计
        3.5.1 并行输入设计
        3.5.2 处理单元设计
    3.6 其他主要模块的设计
        3.6.1 零填充模块设计
        3.6.2 通道分配器模块设计
        3.6.3 激活函数设计
        3.6.4 通道仲裁器模块设计
    3.7 本章小结
第四章 实验与结果分析
    4.1 实验平台及测试环境
    4.2 测试实验结果
        4.2.1 图像重建效果
        4.2.2 资源使用率评估
    4.3 性能对比与分析
    4.4 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 未来展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]基于卷积神经网络的植物叶片分类[J]. 龚丁禧,曹长荣.  计算机与现代化. 2014(04)
[2]基于改进SPIHT算法的SAR图像压缩[J]. 王璐,张志敏.  中国科学院研究生院学报. 2012(02)
[3]遥感图像复原与超分辨算法及其并行实现[J]. 马冬冬,李金宗,朱兵,穆立胜.  光电子.激光. 2009(10)

博士论文
[1]图像多尺度邻域距离分解及其应用[D]. 赵恒军.重庆大学 2013
[2]全方位视觉技术及其在智能移动机器人等领域的应用研究[D]. 席志红.哈尔滨工程大学 2006

硕士论文
[1]基于FPGA的卷积神经网络加速器[D]. 余子健.浙江大学 2016
[2]基于智能水滴算法和神经网络的光伏发电功率预测研究[D]. 郭丙旭.华北电力大学 2016
[3]基于人工神经网络的深基坑钢支撑轴力研究[D]. 马文娟.中国海洋大学 2012
[4]基于提升小波变换的快速分形图像压缩算法研究[D]. 程璐璐.西安电子科技大学 2012
[5]基于ADV212的星载图像压缩系统的设计与实现[D]. 陈美建.西安电子科技大学 2012
[6]基于FPGA的1024点流水线结构FFT算法的研究与实现[D]. 赵国亮.西安电子科技大学 2011
[7]基于人工神经网络的数字图像压缩方法的研究[D]. 李娜.中国地质大学（北京） 2010
[8]结合人眼视觉特性和TV模型的图像去噪方法研究[D]. 巩凌青.解放军信息工程大学 2009
[9]基于AD神经网络的语音增强[D]. 李政洋.苏州大学 2008
[10]基于DM642的视频压缩算法研究与软件实现[D]. 程凯.南京理工大学 2008



本文编号：3695288