图像融合算法在高速DSP中的实现

针对图像融合算法研究与实际系统脱节的现象，提出了将先进、高速数字信号处理器（DSP）作为图像融合系统主处理芯片的方案，讨论了TMS320C6X指令系统的特点及程序优化技巧，并通过实例给出了说明和结果，为融合系统的实现奠定了基础。     

红外与可见光图像实时配准融合系统

描述了一个自主研制的基于实时分布式多处理机的图像配准和融合系统的设计与实现方案。本系统是具有并行计算机体系结构的通用高速实时图像融合处理系统,选择VxWorks实时操作系统和VEM64x总线的软硬件平台,采用AD公司新型的TS101DSP处理器为核心,多DSP处理器分布并行进行处理,完成多源图像实时高速配准和融合需要进行的大量运算,CPLD芯片完成了采集控制以及多传感器视频同步。由于采用了基于高性能DSP的实时嵌入式系统和通用标准化总线结构设计,该系统可以灵活地应用多种配准和融合算法来实现可见光和红外双通道数字图像的高速实时融合处理,比较好地解决多尺度图像配准融合算法的大数据量计算处理与系统实时性要求之间的矛盾,为多传感器实时图像配准融合处理系统的研制奠定了良好的技术基础。     

实时多目标成像跟踪处理系统研究

研究了一种实时多目标成像跟踪系统，该系统在硬件上采用以通用数字信号处理器和专用图像处理电路相结合的结构，在软件上采用以投影特征的形心跟踪、实时标记的多目标跟踪和加权修正模板的图像相关跟踪为框架的多算法智能调度体系。同时，针对跟踪器的使用环境特点，系统增加了模拟视频信号预处理和分区图像门限分割算法。该系统自研制成功以来已进行了多次实验，取得了良好的结果。     

基于TMS320C6203 DSP的实时红外图像处理系统

遵从模块化设计思想,提出了以11公司的高性能数字信号处理器TMS320C6203为核心器件的实时红外图像处理系统的设计方案,结合大规模可编程逻辑阵列CPLD进行逻辑控制和现场可编程门阵列FPGA对采集的红外图像进行预处理,完成对图像的实时采集和图像目标的实时处理。     

高速数字信号处理器(DSP)在图像融合处理系统中的应用

提出一种基于新型高速数字信号处理器TMS320C6201的可见光-热红外双通道图像融合系统的设计与实现方案,该系统可以解决某些图像融合处理算法的大数据量计算与处理实时性要求之间的矛盾。     

应用于紫外检测的实时视频图像处理系统

提出了一种新型的应用于紫外检测的双通道实时视频图像处理系统。本系统先通过分光、图像增强和光谱转换实现紫外信号的采集,再应用高集成度的视频编解码器和专门面向视频信号处理的数字信号处理器,将紫外信号和可见光背景信号转化为数字信号,并进行融合处理以实现紫外信号的检测与定位。此系统在电力系统电晕检测及森林火灾等紫外信号检测的场合有远大的应用前景。     

全景视频实时拼接技术研究与实现

随着无人领域的不断发展，对于无人机、无人车、汽车辅助驾驶等操控者来说，需要通过无死角的全景视频进行操作，否则无法掌握无人设备完整的视野情况。通过TP2854视频数据转换芯片将AHD摄像头捕捉多路模拟视频数据转换为数字信号给处理器，再通过SURF算法和FLANN算法进行图像的特征点检测与向量计算、图像匹配、单应性矩阵计算和图像融合，最终将融合的图片数据编码和推流，实现全景视频的拼接。重点对图像融合算法不断改进，实现全景图像无拼缝、无阴影的效果。     

基于DSPC6416的多目标跟踪系统的设计

针对图像数据量大,而实际在对空目标跟踪过程中要求实时对图像处理给出目标位置,提出了以数字信号处理器TMS320C6416为核心处理芯片并且以单片机为辅助芯片的一种高速图像采集和目标跟踪系统的设计方法.并且为了实时完成目标跟踪,提出采用边采集图像边计算的方法得到目标大致位置,然后用找小图像重心的方法得到目标精确位置.实验表明提出的设计方法能得到清晰的目标图像、采用的跟踪算法能够实时稳定的跟踪空中多个飞机目标.     

基于梯度塔形分解的GPU加速多源图像融合

为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法.     

TMS320DM642为核心的视频图像处理器外围电路设计

探讨以TMS320DM642为核心的实时视频数字图像处理器的总体结构。重点阐述图像处理器的外围电路设计,包括其各部分功能以及所选用的主要器件,同时针对视频图像处理算法的性质,对视频图像处理过程中图像数据的存放位置给出了一定原则。该设计系统充分发挥数字信号处理器(DSP)TMS320DM642的高性能特点。最后指出该设计系统的主要特点及其自身具有的优越性。     

红外与微光图像开窗配准融合处理方法

为解决图像实时融合以及红外与微光图像视场大小不一致等问题,提出一种基于仿射变换的红外与微光图像开窗配准融合处理方法。首先以大视场微光图像为背景,对图像中人眼感兴趣的目标区域信息进行开窗,窗口的大小由系统硬件速度和配准融合算法的运算量决定,然后在相同的目标窗口区域,通过双线性插值和仿射变换建立一种红外与微光图像各个像素点的对应匹配关系来完成窗口图像的快速配准与融合,实验对开窗融合结果进行了分析与评价。结果表明,该方法在满足人眼观察需求的条件下既减小图像融合处理数据,又保留了重要的细节融合信息,有效地提高了图像融合的实时性,对兼顾硬件速度与实时性要求的图像融合系统具有较高的应用价值。     

实时双光谱图像融合系统设计

通过分析目前的图像融合技术，设计了一种实时双光谱数字图像融合系统。针对该系统特点设计了硬件平台和相应的图像配准、融合算法，充分利用DSP／BIOS的多线程机制及其各基础类模块的相关配置，提高编程效率和优化程序，并设计了支持中高层图像处理的多任务微内核．有效地满足了系统的强实时性要求。     

图像融合系统研究现状

图像融合是把同一场景从不同特性、不同时间、不同分辨率传感器获得的多幅图像综合成一幅图像的先进图像处理技术.阐述了实时图像处理系统的设计趋势,综述了图像融合系统的研究现状,指出了当前流行的设计方式.     

高分辨率多传感器融合图像跟踪系统的设计与实现

为了提高图像处理器目标跟踪的准确度和对复杂环境的适应能力,设计了一种CPCI架构的多传感器融合图像跟踪系统。针对高分辨率高帧频图像的采集、目标搜索与跟踪,设计并实现了以FPGA+DSP为核心的嵌入式图像处理平台,采用CPCI标准总线作为数据共享通道,由嵌入式图像处理平台完成实时计算,数据中心完成跟踪结果的数据融合和系统综合控制。实验结果表明：系统可以实现多路不同分辨率CameraLink图像或HD-SDI图像的采集和融合跟踪处理,该架构处理能力强,可扩展性高,结构紧凑,为图像融合跟踪系统提供了一种可靠的解决方案。     

基于FPGA的实时幸运区域融合算法

大气湍流对光学目标图像的分辨率会产生随机性 的影响。幸运区域融合(lucky-region fusion,LRF)是一 种针对受大气湍流影响图像序列的图像合成技术,通过在一系列短曝光图像中选取具有高分 辨率的区域进行融合,从而获得一张清晰的图像。LRF 算法在台式计算机上实现比较简单, 但这是事后处理的方法,没有实时性。描述一种针对灰度图像流实时地进行提取、分区处理 和合成的LRF算法及其系统实现技术。根据现场可编程门阵列(field programmable gate array,FPGA)数字信号处理的特点 , 提出了一种适合于FPGA处理的实时LRF算法。用硬件描述语言对该算法进行逻辑设计,将 其嵌入到一个中小规模的FPGA上,从而构成一个纯硬件的紧凑的LRF处理系统。通过模拟 的序列图像和在实验室实际拍摄了短曝光序列图像,对该系统进行了测试。实验结果表明, 所提出的实时LRF算法可行,所实现的FPGA系统可以实现输入灰度图像序列的实时动态幸 运区域融合,并最终获得高分辨率的融合图像。     

一种红外图像二维细节增强技术研究与实现

针对红外图像的特点,提出并实现了一种基于FIR(Finite Impulse Response,有限冲激响应)滤波器结合图像动态压缩的二维数字图像细节增强技术。该方法首先对实时的二维红外图像进行行、列向量的一维分解,然后使用FIR滤波器分别对图像的行、列向量进行细节提取,之后对原始图像和提取的图像细节进行加权融合,最后通过直方图处理算法对融合图像进行动态压缩,最终完成了能够满足实际应用的实时红外图像的细节增强。本技术以FPGA为核心处理器,采用FPGA+NIOS软核+DSP内核的处理架构实现算法,已成功应用于工程项目中。     

一种基于DSP的小型集成化图像融合系统设计

提出了一种小型集成化的双通道实时图像融合系统的设计方案。该系统的核心处理 器选用了适合视频处理的TMS320DM642最新高性能定点DSP,利用了DM642的特点,尤其是可配置的视频接口实现与视频编码单元和解码单元的无缝连接,缩小了系统板级尺寸,降低了功耗和成本。文中详细叙述了系统工作流程、外接存储器接口设计、多电压供电电源模块设计与监测、视频数据流的传输与控制等组成单元的功能、原理。分析结果表明,该硬件平台为多种融合算法验证、产品设计和SOC芯片级实现奠定了坚实的基础。     

基于融合的红外图像预处理技术

介绍了一种基于图像融合的红外图像预处理技术。分析了红外成像过程中引入的噪声类型,采用修正的阿尔法均值滤波方法来抑制噪声并利用边缘检测来增强目标的边缘成分,通过融合的处理方法来合并处理后的红外图像。实验表明该方法能够有效地增强复杂背景下的红外图像,从而有利于后续的目标识别处理。     

融合MEMS-IMU信息的亚像素相关跟踪方法

结合图像制导武器的工程应用,提出了一种融合微机电系统(Micro-Electro-Mechanical System, MEMS)-惯性测量单元(Inertial Measurement Unit,IMU)信息的亚像素相关跟踪方法。该方法采用基于速率测定的误差补偿方法对MEMS-IMU的测量误差进行补偿,以实现MEMS-IMU信息与图像数据的异质数据融合,同时采用基于模板插值的亚像素相关跟踪算法来提高跟踪精度。结果表明,该方法不仅可以较好地解决目前单靠图像信息提升图像跟踪精度时所面临的算法实时性与复杂度之间的冲突问题,而且还可以有效提升动基座下的图像跟踪精度。