条形指纹拼接的MATLAB仿真与DSP实现

为实现实时的条形指纹图像拼接,首先分析条形指纹图像的特点和拼接过程,在基于灰度值两步相关方法的基础上,对经过Sobel算子预处理过的条形指纹图作了MATLAB仿真,仿真结果表明了算法的可行性.又根据DSP的特点加速了相关运算,并针对指纹图像的特点和拼接过程优化了算法的参数.基于DSP的拼接实验结果表明该方法的实用性,并对实现中的问题作了讨论.     

大面积滚动指纹快速拼接算法

针对大面积滚动指纹采集和拼接在离线嵌入式系统中的应用,提出一种快速算法。对采集到的指纹图像进行增强处理,提取指纹块方向特征进行初次匹配,在此结果上利用纹理信息进行二次求精匹配,采用曲线缝合技术进行缝合。实验结果表明,该算法具有速度快、精度高、资源耗费小、鲁棒性好、适应性强、移植方便的特点,可满足实时嵌入式应用。     

STM32的条状指纹采集与拼接系统

针对移动嵌入式应用,设计并实现了一种基于STM32的条状指纹实时采集与拼接系统。选用STM32F103RD作为主控器件,通过SPI接口以DMA方式获取AES1711传感器采集到的条状指纹,并采用快速算法拼接成完整的指纹图像。实验结果表明,本系统具有速度快、鲁棒性好、功耗低、性价比高的特点,可方便地应用在移动嵌入式设备中。     

基于DSP的实时数据无损压缩实现

为了提高数据的传输效率,同时保证压缩后信息的完整性,本文基于 DSP 对实时数据无损压缩算法实现的具体方法和关键技术,从硬件和软件两个方面进行了相关分析,并对无损压缩的相关算法进行了比较。采用算术编码(ARC)进行了相应的压缩。最后通过实验,对压缩时间和压缩去除率进行了分析。结论证实本方案切实可行,各项指标满足系统要求。     

基于DSP的实时去雾优化与实现

提出一种针对基于暗原色先验去雾算法的优化方法,分为算法级优化和基于DSP的优化。算法优化中主要采用降采样处理,以及针对YUV格式转化的优化;基于DSP优化中采用针对TI C674x系列的优化方法 ,如编译器优化、浮点转定点、查表法、DMA(直接内存存取)的使用以及线性汇编等。最终针对1080P的YUV格式的交通视频可以达到实时去雾处理,并且有较好的去雾效果。     

基于频域分析的指纹奇异点区域提取算法及其DSP实现

本文提出了利用频域分析方法提取指纹奇异点的算法。该算法能在指纹预处理过程中完成奇异点提取,减少了检测奇异点的时间消耗。同时,本文采用TMS320DM642处理器对算法的嵌入式应用进行了研究。实验表明,该算法具有优异的性能。     

DSP和CPLD实现的地面实时数据处理系统

用16位DSP和CPLD辅以一些外围器件实现了一个新型的实时数据接收、处理、转发系统。系统采用CPLD器件集成电路的全部控制功能,提高了芯片的工作速度、功耗特性、系统的可靠性。数据接收部分采用数据流状态机。解决了原系统数据延迟偏大的问题,并提高了数据发送的实时性和可靠性。     

基于DSP的实时语音压缩

DSP（数字信号处理器）具有强大的数字信号处理能力，在其应用系统中，大多由ADC和DAC通道来完成对模拟信号的数字化处理。本文介绍了一种集成ADC和DAC于一体的TLC320AD50C模拟接口电路与TMS320VC5416定点DSP接口电路的硬件设计方法,并结合一个具体的软件实例说明主从模式下软件的实现方法。     

基于DSP的检测算法实现及优化

运动目标检测可以从连续变化的多幅图像中把运动目标提取出来。运动目标的捕捉对于目标分化、采集和动作归类等后续处理相当重要,因为后期过程只处理图像中运动目标周围一定范围内的像素。但由于运动目标所处背景的随机性,比如气候、光线及噪声干扰的影响,检测运动目标实际上是一项比较困难的任务。目前对于运动目标的检测的算法可以划分为两类:基于象素强度的算法及基于运动的算法。细分又包括四种:基于特征的方法、基于帧间差分的方法、基于背景建模的方法和基于光流场的方法。其中前三种属于基于象素强度变化检测的算法,第四种可以看作是基于运动的检测方法。基于强度算法容易实现、效率高,可处理目标跟踪问题比较难。基于运动的算法稳定性强,处理跟踪问题相对简单。该文重点研究目标检测的DSP算法实现,所以在参考大量文献后,选用了传统检测算法中速度较快而且相对便于硬件实现的帧间差分算法,为了取得良好快速的目标检测结果,该文采用Sobel算子与帧间差分结合的方法。     

基于DSP的检测算法实现及优化

运动目标检测可以从连续变化的多幅图像中把运动目标提取出来。运动目标的捕捉对于目标分化、采集和动作归类等后续处理相当重要,因为后期过程只处理图像中运动目标周围一定范围内的像素。但由于运动目标所处背景的随机性,比如气候、光线及噪声干扰的影响,检测运动目标实际上是一项比较困难的任务。目前对于运动目标的检测的算法可以划分为两类：基于象素强度的算法及基于运动的算法。细分又包括四种：基于特征的方法、基于帧间差分的方法、基于背景建模的方法和基于光流场的方法。其中前三种属于基于象素强度变化检测的算法,第四种可以看作是基于运动的检测方法。基于强度算法容易实现、效率高,可处理目标跟踪问题比较难。基于运动的算法稳定性强,处理跟踪问题相对简单。该文重点研究目标检测的DSP算法实现,所以在参考大量文献后,选用了传统检测算法中速度较快而且相对便于硬件实现的帧间差分算法,为了取得良好快速的目标检测结果,该文采用Sobel算子与帧间差分结合的方法。     

指纹特征匹配算法的研究与实现

指纹特征的匹配是实现指纹识别的重要环节,现有的匹配算法大多需要反复的调整每一个点来与图像模版中的点相对应,这样就加大了匹配算法的计算复杂度,因而无法满足指纹实时识别系统的要求.为此提出了通过快速确定参考、旋转和平移参数的方法,以实现指纹特征匹配算法的实时要求.实验结果表明,该特征匹配算法在满足实时性要求的前提下,其性能指标完全符合一般的商业用途.     

基于FPGA的方向滤波指纹图像增强算法实现

设计了一种基于FPGA纯硬件方式实现方向滤波的指纹图像增强算法。采用寄存器传输级(RTL)硬件描述语言(Verilog HDL),利用时分复用和流水线处理等技术完成了方向滤波指纹图像增强算法在FPGA上的实现。系统通过了Modelsim的仿真验证,并在Terasic公司的DE2平台上完成了硬件测试。     

指纹图像细化的复合式算法

指纹图像细化是指纹识别算法中的重要环节,对特征提取起到关键作用。为了快速和高质量地对指纹图像进行细化,对快速细化算法和改进OPTA细化算法不足产生的内在原因进行分析,提出一种新的复合式指纹图像细化算法,该算法设计一套预处理模板,避免了快速细化算法形成的毛刺,并对改进OPTA算法进行了优化。大量实验结果表明,该算法不但具有以往算法的优点,有较好的细化速度,而且细化质量有显著地提高,细化后的图像光滑几乎无毛刺。     

改进的低质量指纹图像分割算法

低质量指纹图像处理一直是自动指纹识别技术的研究重点,对低质量指纹图像的分割是图像增强、细化和特征提取的重要前提。在分析传统方法局限性的基础上,从指纹图像的灰度分布规律出发,提出了基于点方向图和灰度均衡的指纹图像分割算法。实验结果表明,相比于已有的指纹图像分割算法,该算法的分割效果更好,具有很强的噪声抑制能力。     

一种新的指纹图像快速细化算法

针对快速并行细化算法存在的不足,即细化不全、不光滑、毛刺等缺点进行分析和研究,提出了一种新的细化算法,该算法速度快、细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺,不会产生断线,实验结果非常好。     

一种改进的指纹图像分割算法

提出了一种传统的指纹图像分割算法——方差法的改进算法。该算法给出了图像块均值及方差的新的计算方法,并用均值和方差的比值作为前景和背景区域的分割标准。既能有效抑制噪声对分割效果的影响,又能对对比度较低的图像实现理想分割。实验结果表明该方法比传统的方差法和方向法分割更准确。     

高分辨图像二维FFT正/反变换实时处理方法及硬件实现*

高精度密集型数值计算和大规模数据缓存,是高分辨率图像二维FFT(快速傅里叶变换)实时实现中的主要难点。利用实信号傅里叶变换的周期对称性和频域数据的共轭对称性,提出了一种高效且易于硬件实现的二维FFT正/反变换的实时处理方法,将实值图像二维FFT中的一维FFT计算和存储需求缩减了近一半。在以4片TS201为计算核心的DSP处理平台上,使用该方法实现了二维FFT正/反变换和图像频域滤波。实验表明,无须片外存储,单片TS201可处理最大512×512像素的图像;该尺寸图像的正/反变换总处理时间为49.6 ms,     

蚁群算法在指纹增强中的应用

自动的指纹识别系统是基于生物特征的身份识别技术的重要组成部分。指纹增强技术可以有效地加强指纹的脊线特征,为指纹细节的提取和匹配奠定可靠的基础。依据蚁群算法的聚类特性,提出了一种基于蚁群算法的指纹增强方法,提高了指纹图像的质量。     

一种语音端点检测算法及其在DSP上的实现

提出一种基于模糊RBF神经网络的语音端点检测算法。该算法先利用小波分析提取语音信号的特征量,然后将其输入到模糊RBF神经网络进行端点检测运算,并采用以TMS320VC5416DSP为核心的电路进行算法实现。实验结果表明,该系统的端点检测正确率很高,即使在低信噪比时也能正确地判断语音信号的端点。