基于灰度拉伸和遗传算法的焊缝图像二值化算法

焊缝图像处理是焊缝自动跟踪的一个较为重要的环节,而图像二值化在其中起着关键性的作用.传统的Otsu阈值化算法对信噪比较低的图像分割效果不理想,本文通过灰度拉伸增大背景与前景之间的灰度值分布,结合遗传算法,通过编码、选择、交叉、变异等操作对传统的类间方差法进行优化,并将该方法应用于焊缝图像.实际焊缝图像试验证明了该方法的有效性,可以更加准确地提取出适合焊缝图像的二值化阈值,更利于后续的图像处理操作.     

一种红外图像的二值化分割算法研究

红外图像二值化分割是对红外图像进行分析和理解的关键,图像二值化分割的质量,直接关系到图像的后期处理,结合红外图像对比度低、分辨潜力差、分辨率低等自身特点,提出一种基于局部灰度梯度值和全局化阈值面相结合的二值化分割算法。     

隔点差分自适应阈值红外图像分割算法的FPGA实现

采用模块化设计和利用现场可编程逻辑( FPGA)并行流水处理特点,设计并实现了隔 点差分自适应阈值红外图像分割算法,算法由隔点差分算法和自适应阈值两个模块组成。隔点差分算法模块根据同步与时钟流水计算隔点梯度,用自适应阈值进行图像分割; 自适应阈值模块根据背景的统计规律和图像背景的变化实时调整分割阈值。仿真和实验表明:采用FPGA实现此算法的处理延时短,满足实时处理的要求。     

基于自适应梯度优化的二值神经网络

二值神经网络由于在储存空间和计算上的高效性,在视觉任务中被广泛运用.为了训练不可导的二值网络,直通近似（Straight-Through Estimator）和S型近似（Sigmoid）等多种松弛优化方法被用来拟合量化函数.但是,这些方法存在两个问题：（1）由于松弛函数和量化算子的差异导致的梯度失配;（2）由于激活值饱和引起的梯度消失.量化函数自身的特性使二值网络梯度的准确性和有效性无法同时保证.本文提出了基于自适应梯度优化的二值神经网络（Adaptive Gradient based Binary Neural Networks,AdaBNN）,其通过自适应地寻找梯度准确性和有效性之间的最佳平衡来解决梯度失配和梯度消失的问题.具体而言,本文从理论上证明了梯度准确性和有效性之间的矛盾,并通过比较松弛梯度的范数和松弛梯度与真实梯度之间的差距,构建了这一平衡的度量标准.因此,二值神经网络能根据所提出的度量调整松弛函数,从而得到有效训练.在ImageNet数据集上的实验表明,本文的方法相较于被广泛使用的BNN网络将top-1准确率提升了17.1%.     

实时自适应阈值二值化联合变换相关器

提出了采用参考图像功率谱为阈值的自适应阈值二值化联合变换相关器 ( BJTC)的方法。和传统的联合变换相关器结果比较 ,自适应阈值法对于输出的相关峰值、信噪比等主要参数都有明显提高。对这种方法进行了理论分析和计算机模拟 ,并给出了光学实验结果 ,为自适应阈值二值化联合变换相关器的实用化奠定了基础。     

并行化改进遗传算法的FPGA高速实现方法

为提高硬件运行速度和资源利用率,利用硬件并行化的思想改进传统算法的处理模式,将遗传算法传统实现方法的控制部分分解到各模块内部,按照流水线模式,应用现场可编程逻辑门阵列(FPGA)高速实现。综合后时钟频率达到137.08 MHz,演化1代需64个时钟周期,即0.467μs。实现结构节约硬件资源,效率高,使大规模遗传算法的高速硬件实现成为可能。     

基于FPGA的自适应阈值边缘提取的Canny算法的实现

在数字图像实时处理中,应用Canny算法对梯度幅值图像进行非极大值抑制后,需要先确定高低阈值才能进行边缘提取,而且不同的图像采用的阈值也不尽相同,阈值选取算法过于复杂及处理时间过长等问题,限制了Canny算法在实际中的应用。为了对Canny算法的这些缺陷进行改进,本设计充分利用FPGA并行执行的特点,将自适应阈值Canny算法移植到FPGA上,并通过理论推导获得了更加适应FPGA的算法公式,解决了自适应阈值选取过程时间过长的问题。最终系统测试结果表明,在FPGA中应用canny算法进行图像处理比在上位机中运行的速度提高了近十倍,充分证明了该设计的正确性和实时性。     

基于FPGA的梯度自适应格型滤波器设计

对于高灵敏度的数字信号的处理需要使用数值特性优良的格型滤波器。利用EDA技术设计了梯度自适应格型滤波器。实验表明更新反射系数的步长应随着模块数的增加逐步减小。对梯度自适应格型滤波器的单独模块采用驰豫超前技术设计,显著提高了FPGA的运行时钟速率。     

图像识别中的数字运算及其FPGA实现

利用现场可编程门阵列的可重构计算和并行计算的特性,提出基于FPGA的图像识别系统中的数字运算的设计。在识别系统的设计流程中,需对图像进行二值化处理,提取图像中的数字信息,并与N个模版信息并行匹配,计算与每一个模版的相似度,最终实现图像中数字的运算,并将运算结果显示出来。实验结果表明,利用FPGA实现的图像识别系统具有处理速度快、可识别性好以及稳定性高等优势。     

一种变阈值二值化CCD像元细分技术研究

根据CCD的工作原理分析了线阵CCD的像元细分技术,提出了一种基于相关双采样和D/A转换的变阈值二值化方法,结合此方法给出了一种积分时间自动调整的变阈值二值化细分电路.叙述了变阈值二值化的细分原理和积分时间自动调整的实现方法,并给出了采用此方法进行直径测量的实验结果.实验表明采用此方法的细分精度可靠性比一般的电子细分高,省去了软件细分需要的A/D转换和数据存储及运算,电路简单,成本低,具有较高的实际应用价值.     

基于FPGA的大屏幕全彩LED扫描控制器设计

介绍了一种以FPGA可编程逻辑器件为设计平台的、采用大屏幕全彩LED显示屏进行全彩灰度图像显示的扫描控制器实现方案。经过对"19场扫描"理论灰度实现原理的分析,针对采用该方法实现的全彩LED显示屏刷新频率受串行移位时钟限制的缺点,提出了一种新式的实现高阶灰度显示的逐位点亮控制方法,在进行FPGA电路设计中采用单独的计数器来控制屏幕的刷新频率,使全彩LED显示屏的设计在LED的发光效率和刷新率之间的调整更加灵活。最后,根据大屏幕全彩LED显示屏的设计要求,结合本文讨论的灰度控制方法,给出了FPGA屏体扫描控制器的内部电路实现结构框架。     

基于自适应门限的变换域抗干扰方法及其FPGA实现

变换域处理是一种简单实用的抗干扰方法,其FPGA(现场可编程门阵列)实现具有非常重要的实际意义。影响系统性能的一个关键因素是干扰抑制算法的选择。文中首先分析了采用自适应门限的阈值算法的门限确定方法,然后提出了一种基于模块复用的FPGA实现结构。时序仿真表明该结构能节省芯片资源,且完全能满足系统的实时性。     

基于FPGA的自适应FIR复数滤波器设计

本文探讨一个可编程数字滤波器在FPGA实现的可行性,整个系统基于LMS算法,用VHDL语言编写,采用自顸向下的设计.另外,本系统设计考虑了吞吐量的要求,因此引进流水线运算来提高Symbol Rate.系统用maxplus II仿真,采用的device为EPF10k130EFC672-1x.此系统的设计将有助于今后4G手机系统的数字滤波器的开发.     

梯度自适应格型联合处理器的FPGA设计

梯度自适应格型联合处理(GALJP)器的现场可编程门阵列(FPGA)设计是实现自适应滤波器处理非平稳信号的关键技术.利用多种电子设计自动化(EDA)工具并通过行为级、寄存器传输级和门级等3级仿真设计流程,在EP2C5T144C6芯片上设计了一个用于自适应去噪的GALJP电路模型.结果表明,在相同条件下,GALJP滤波器的时钟频率约为横向最小均方误差(LMS)滤波器的1/4.但因达到收敛的迭代次数仅为横向LMS滤波器的1/50,收敛速度反而提高了10倍以上,滤波器阶数的降低也极大减小了硬件资源.     

流水线自适应格型联合处理器的FPGA设计

针对用FPGA设计梯度自适应格型联合处理滤波器时,由于自身算法复杂度引起的时钟速度过低问题,提出了一种驰豫超前的流水线优化设计方案.该方案对组成联合处理器的格型节和横向组合器的级间环路中权值更新和误差更新值,分别采用延时技术进行近似处理,缩短了关键路径的计算量,并通过FPGA的仿真设计流程得到了流水线深度和时钟速度的关系.结果表明在不改变自适应参数的情况下,采用三级流水线仅增加逻辑宏单元60%消耗,可以使GALJP滤波器时钟速度提高近30%.     

一种基于FPGA的双波段实时红外图像融合系统

文章对当前实时图像融合技术和实现方法进行了综述,提出了一种采用FPGA设计的双波段实时红外图像融合系统的设计方法。该系统将核心算法、外设管理等功能单元集成在1片Virtex - II Pro FPGA上实现,并提供了I2C等接口通道,使系统更加紧凑、灵活、可靠和低功耗。对拟采用的拉普拉斯金字塔融合算法的复杂性、实时性、资源占用率等指标进行了评估,并对系统的双通道视频数据流同步、帧缓冲与数据的实时传输等关键功能单元的实现方法进行了介绍。     

一种新的基于梯度特征的快速相关匹配算法

文中定义了一种基于梯度纹理的新特征,并以目标模板与实时图像的新特征差异为相似性度量,提出了一种新的相关匹配算法。与工程上常用的MAD相关匹配算法相比,本算法相似度曲面更尖锐,匹配时间短,置信度高,适合应用于红外图像实时跟踪系统中。实验结果表明了该算法的有效性和优越性。     

基于对比度增强和背景估计的文档图像二值化

针对文档图像存在的退化状况对其二值化处理的影响,文中提出一种基于对比度增强和背景估计的文档图像二值化算法,用于对退化的文档图像进行二值化增强处理。该算法根据不同子区域亮度信息的差异采用不同对比度增强算法对文档图像进行增强处理,通过运用形态学闭运算对增强后的文档图像进行处理来移除文档图像的背景,结合Ostu和Sauvola算法获取文档图像的二值化图像,并通过基于边缘像素邻域灰度值的分布情况进行文本断笔修复。实验结果表明,该算法的F-Measure（FM）为90.47%,峰值信噪比（PSNR）达到19.15 dB,负率指标（NRM）低至0.053 8,分类错误度量（MPM）降至0.000 33,验证了本文提出的二值化算法的有效性。