基于双立方插值算法的图像缩放硬件设计

该文首先介绍了三种图像缩放时常见的插值算法,并对它们进行比较分析,最终确定了该文是基于双立方插值(也叫双三次插值)技术的实现,接着在此基础上设计了一种应用于视频图像缩放的算法,最后在硬件方面实现了相对应的图像缩放的硬件设计并对它进行了功能仿真。该文的亮点在于视频图像缩放的双立方插值算法的设计,以及在硬件实现上为节省硬件资源所做的设计。     

双二次B-样条插值图像缩放

双线性和各种双三次插值方法是图像缩放中常用方法,但是双二次插值函数却很少被人提起。本文提出了一种基于双二次B-样条局部插值的图像缩放方法,该算法在图像局部重构过程中对称地采用了4×4采样点,并通过对该函数进行重采样来实现图像的缩放,避免了二次函数在图像重构与采样中的相位失真问题,此算法是一个局部性算法,易于扩展。实验结果表明,本文算法得到的图像的峰值信噪比(PSNR)、MISSIM值比双线性插值、双三次卷积、Catmull-Rom三次插值、Dodgson插值算法都要好,接近于最好的双三次B-样条算法,视觉效果虽然不如双三次B-样条插值算法,但优于Dodgson方法,计算时间比双三次B-样条减少了近三分之一。由于该算法没有对图像边缘特征进行特殊处理,对于一些细节纹理比较丰富的图像,将进一步研究。     

基于Contourlet变换的双三次插值算法

为保持原始遥感图像信息,提高图像空间分辨率,使其适合人眼观察,提出Contourlet双三次插值算法。在Contourlet变换的基础上,对遥感图像采用双三次插值进行相似变换,通过反变换得到比原图像分辨率更高的插值图像。实验结果表明,与双三次插值、小波双三次插值相比,该算法具有更高的信噪比和更好的图像细节效果。     

基于Contourlet变换的双三次插值算法

为保持原始遥感图像信息,提高图像空间分辨率,使其适合人眼观察,提出Contourlet双三次插值算法。在Contourlet变换的基础上,对遥感图像采用双三次插值进行相似变换,通过反变换得到比原图像分辨率更高的插值图像。实验结果表明,与双三次插值、小波双三次插值相比,该算法具有更高的信噪比和更好的图像细节效果。     

基于特征的文档图像高速插值算法

提出了一种基于文档图像特征的混合插值算法。该算法通过分析文档图像的像素邻域特征,使用邻近插值、双线性插值和双三次样条插值方法估计插值像素灰度值。其中,三次样条插值方法使用了优化算法,即三次样条卷积模板的整数化运算,其时间复杂度接近双线性插值。给出了算法的实现过程。实验结果表明,该算法输出的图像质量接近双三次样条插值,运行效率高于双线性插值算法,在文档图像扫描过程取得了良好的应用效果。     

双三次卷积模板算法

双三次插值是图像空域变换的经典算法,可用于图像旋转和放缩等灰度插值。它和双线性插值相比具有更好的图像变换效果,但计算性能较低。为提高其计算性能,设计了双三次卷积模板算法：对双三次插值算法进行离散化处理,变实数运算为整数运算,得到16个模板,模板与邻域像素的灰度值进行卷积计算,得到变换后的像素的灰度值。实验表明,该算法图像旋转效果优于双线性插值算法,略低于双三次插值算法,计算性能与双线性插值相同,明显高于双三次插值算法。     

视频缩放在FPGA中的应用和实现

针对某显示系统中监控视频控制器的实际需求,设计了一种可实现四路视频信号实时缩放的电路架构。通过权衡几种常用图像缩放算法的显示质量和硬件可行性,选择用双线性插值算法实现视频的缩放,并在FPGA平台上以双口RAM资源构建的线缓存作为算法硬件实现,该算法主要由视频数据缓冲模块、插值系数产生模块以及整体控制模块构成。本设计在满足视频缩放质量要求的基础上,避免了采用过于复杂算法而消耗过多的FPGA资源,有效地解决了视频缩放时原始图像信息量丢失导致图像失真的问题。结果表明,该设计能够实现任意比例的视频缩放,实时性高,应用灵活,缩放后显示效果良好,能够满足实际工程的要求。     

基于边缘的实时图像缩放算法研究

传统的基于图像边缘的插值算法由于自身的复杂性而很少用于实时图像处理,而不基于边缘的插值算法由于低通滤波的效应通常会使插值后的图像出现边缘模糊,影响视觉效果。针对上述问题,提出了一种基于边缘的自适应图像插值算法。该算法以相邻像素的二阶差分为基础,自动选择与目标像素点相对应的源像素组进行插值运算。在Matlab环境中实现了各种图像插值算法,然后对插值结果进行了主客观评价,并对各种算法获得的图像进行了边缘检测及复杂度分析。同时,设计了本文算法的硬件实现结构,并用Verilog语言进行描述,综合出目标代码,最后通过FPGA验证。研究表明,运用该算法插值获得了边缘清晰的目标图像,且该算法复杂度低,便于硬件实现。因此,该算法能有效地实现图像插值,适应于实时条件下的图像缩放。     

一种基于小波与双三次插值的CCD图像超分辨方法*

为了尽可能地保持CCD图像的原始信息,提高图像的空间分辨率,有利于对图像的细节信息进行观察分析,对各种超分辨方法进行研究,提出了一种改进的基于小波和双三次插值的超分辨方法：对低分辨率图像进行灰度变换,并把它作为小波逆变换的低分辨率图像,对图像进行恢复,再与低分辨图像的双三次插值图像求平均。将该方法应用于CCD图像,从视觉上空间分辨率有提高,并可以获得25.524 4 dB的峰值信噪比。实验结果表明,该算法得到了比全小波双三次插值、原图像作为低频图像小波双三次插值和双线性插值更高的峰值信噪比及更好的图像细节     

一种改进的基于边缘的自适应图像缩放插值算法

图像缩放一般都是通过插值．尽可能的以较快速度实现较好的缩放效果．但一些传统的图像插值方法(如双线性插值，双三次插值等)常使缩放(特别是放大)后的图像边缘部分模糊或出现锯齿现象．引入了一种改进的保留图像边缘特征的自适应缩放插值方法，在Nira Shezaf等人提出的自适应插值算法的基础上进行了改进．引进矩形插值和梅花形插值，提出了梯度插值权重函数，能够有效地处理模糊和锯齿现象，并得到了较好的放大图像．最后利用相关评估标准进行了图像质量评估．     

改进相似性度量模型的单幅图像自学习超分辨算法

在自学习超分辨算法中,高低分辨率图像块匹配是否准确是算法的关键。在高低分辨率图像块匹配过程中,考虑图像块纹理结构的重要性,提出了一种基于纹理约束的图像块相似性度量模型,应用该模型完成了高低分辨率图像块更为准确的匹配,使超分辨结果图像的细节更加丰富,进一步提高了图像质量。该算法仅使用了单幅低分辨率图像自身的相关先验信息,有效提升了图像的空间分辨率。实验结果表明,与双三次插值算法、自相似学习超分辨算法相比,本文提出的算法超分辨视觉效果更好,并且在客观评价指标中同样表现良好。     

一种改进的低成本自适应双三次插值算法及VLSI实现

提出了一种新型图像缩放算法, 由自适应锐化滤波器和双三次插值组成.锐化滤波器减轻了双三次插值产生的模糊效应, 自适应技术进一步提升了图像缩放质量. 为了减少运算量, 提出前置滤波和后置滤波技术.与其他几种算法相比较, 本文的算法在主观和客观评价方面都明显胜出. 为了实现实时低成本设计, 提出了一种该算法的流水线超大规模集成电路 (Very large scale integration, VLSI)架构. 在现场可编程逻辑器件 (Field-programmable gate array, FPGA)上实现, 占用695个逻辑单元(Logic elements, LEs), 时钟频率达到165MHz, 减少了36.8%逻辑单元, 图像质量平均峰值信噪比 (Peak signal-to-noise ratio, PSNR)提升了1.5dB.     

基于滑模控制的改进差分进化算法

针对机器人轨迹规划问题,提出了一种基于滑模控制的改进差分进化（IDE）算法.以运行时间和能量损耗为目标函数.利用种群中最好个体和平均水平个体的差分引导变异方向,利用种群中最好个体替换最差个体,加快收敛速度.取消变异因子和交叉因子,降低人工干预,增强了模型稳定性.利用保形分段三次Hermite插值代替三次样条插值,防止拟合过冲,降低了抖振.基于给出的状态空间方程,设计了滑模控制律,通过李亚普诺夫函数方法证明了系统的稳定性.仿真实验和结果分析表明,改进的算法有较强的搜索能力,加快了收敛速度,降低了运动轨迹的抖振.     

基于局部梯度特征的自适应多结点样条图像插值

为了获得质量更好的插值图像,提出了一种新的C^2。连续的支撑区间为（-2,2）的三次多结点样条插值核函数．通过增加结点带来的自由度构造了多结点样条插值公式;分析了在适当的边界条件和约束下三次多结点样条插值的逼近阶;将一维多结点样条插值算法推广到二维,建立了用于图像数据的插值公式;如果忽视图像的局部特征,通常双三次多结点样条插值图像的边缘会有模糊的现象,为此。对多结点样条插值应用逆梯度,得到了自适应多结点样条插值算法;实验所得误差图像和实验所得图像的峰值信噪比也证实了用自适应多结点样条插值算法重建的图像具有更高的质量．     

基于Verilog 的正则表达式编译器的实现

随着网络带宽的快速增长,正则表达式匹配逐渐成为网络数据处理系统的性能瓶颈。为了获得更高的匹配效率,基于FPGA的正则表达式匹配引擎成为近年来的研究热点之一,而将正则表达式高效的转换成硬件描述语言是其中的关键技术。首先分析了正则表达式转换为硬件电路的算法,然后在此算法基础上实现了一个编译器。最后在Modelsim平台上进行了仿真,仿真结果证明了编译器的正确性。     

基于加权变换的蒙古族家具纹样增强研究

针对蒙古族传统家具纹样模糊不清、边缘失真等问题,提出了基于加权变换的图像增强方法.首先将蒙古族家具纹样分解成RGB分量,然后利用提升小波变换、平稳小波变换、插值算法和逆提升小波变换获得高分辨率纹样,最后利用加权变换函数对直方图进行修改,对贡献最小的直方图进行滤波,得到高分辨率和对比度增强的纹样.实验结果表明,该方法的评...     

Integrated video motion estimator with Retinex-like pre-processing for robust motion analysis in automotive scenarios: algorithmic and real-time architecture design

The paper presents a novel technique for robust motion analysis in real automotive scenarios based on integrated Retinex-like pre-processing algorithm with block matching video motion estimator. Both algorithmic and real-time hardware design issues are discussed. The benefits of the proposed technique are manifold: the entire system is more robust; the estimated motion vectors are more reliable and less dependent on critical ambient conditions like shadows or flashes; the proposed algorithm may allow to perform motion estimation using very few bits and running as a 2- or 1-bit transform, still maintaining good performances. Real-time hardware implementation is achieved by design and synthesis in 65 nm CMOS standard-cells technology of an Application Specific Instruction-set Processor. Design optimizations for both the processing core and the memory organization are presented. With respect to the state of the art the proposed hardware implementation ensures bounded circuit complexity, low power consumption and reprogrammability of the technique.     

基于深度学习特征字典的单帧图像超分辨率重建

在基于字典的单帧图像超分辨率重建算法中,依赖人工浅层特征设计的字典表达图像特征能力有限。为此,提出基于深度学习特征字典的超分辨重建方法。该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习;然后,在稀疏字典超分辨框架下联合训练特征字典;最后,输入单帧低分辨率图像并利用该字典实现超分辨率重建。理论分析表明,引入深度网络提取图像深层次特征并用于字典训练,对低分辨率图像的高频信息补充更加有利。实验证明,与双三次插值以及基于一般人工特征字典的超分辨重建算法相比,本文算法的主观视觉和客观评价指标均高于对比算法。