改进的中值滤波算法及其FPGA快速实现

针对传统中值滤波算法带来的图像模糊问题,提出一种改进算法,加入阈值比较环节以便更好地保持图像细节。当用FPGA实现中值滤波算法时,传统方法需要较多的时钟周期,由此设计一种新的硬件实现电路,仅用3个周期就能快速地取得中值。仿真结果说明,该改进算法不仅能够取得良好的滤波效果,而且使所处理的图像更加清晰,所设计的硬件电路能够快速、高效地对算法进行实现。     

基于FPGA的实时图像中值滤波设计

在嵌入式图像处理系统中,图像处理的实时性问题一直是一个很难突破的设计瓶颈,特别是数据处理量大,实时性要求较为苛刻的场合,传统的MCU根本无法适应;利用现场可编程门阵列(FPGA)并行处理的优势,开发了一种适于硬件并行处理的图像中值滤波算法,并用VHDL硬件开发语言在ALTERA的Stratix中现场可编程门阵列(FPGA)上实现,给出了整个硬件系统的构造方法;仿真结果说明该算法可以满足实时性要求,取得了良好的滤波效果,适用于图像采集与预处理系统中.     

快速中值滤波算法的改进及其FPGA实现

针对传统中值滤波算法排序量大、速度慢且处理效果模糊的问题,在快速中值滤波算法的基础上,提出了一种加入阈值比较、且具有更高并行流水结构的改进算法,并在现场可编程门阵列(FPGA)硬件平台上实现了该算法。实验结果表明,改进的快速中值滤波算法不仅减少了比较的次数,还更好地保护了图像的细节,可满足图像预处理对实时性的要求。     

图像中值滤波算法及其FPGA的实现

图像滤波是图像预处理的重要部分,但由于滤波过程中需要处理的数据量较大,采用软件的方法难以满足实时性的要求。利用现场可编程门阵列(FPGA)的并行处理能力,提出了一种基于FPGA的快速中值滤波算法,相对与传统的中值滤波算法有较大的改进,减少了数据的比较次数,处理速度得到提高,并使用Matlab和Modelsim进行联合仿真,结果证明该算法滤波效果良好。     

基于FPGA的图像中值滤波算法硬件实现

提出一种适于硬件并行处理的图像快速中值滤波算法,并用VHDL硬件开发语言在Altera公司的现场可编程门阵列(FPGA)上实现,给出了整个硬件系统的构造方法,以128×128×8bit的灰度图像滤波处理实验结果表明,该方法可实时进行中值滤波,适于图像采集与预处理系统.     

数字图像中值滤波算法的FPGA实现

针对传统中值滤波算法排序量大的缺点,详细研究了一种改进的中值滤波算法,对一个n×n的滤波窗口,先对每一列升排序,再对每一行升排序,最后取对角线上像素中值作为滤波结果.用Verilog硬件描述语言实现改进的中值滤波算法,并在Modelsim6.5a中通过时序仿真,最终在Altera DE2开发板上验证和实现.     

一种基于中值分界的快速中值滤波算法

运用统计学原理和定位数值的快速查找算法提出一种基于中值分界的加速滤波算法,该算法以前次窗中数据的中值为支点将新窗口中数据分为大于、小于和等于该中值的三个集合,并统计各集合中数据个数,判断出中值所在集合的排序位,对集合该顺序位上的数据进行快速查找输出。实验证明,该算法大大降低了传统中值滤波的时间复杂度,提高运行速度,对于大量数据和大幅图像的滤波处理能更好地满足实时性要求。     

一种基于中值分界的快速中值滤波算法

运用统计学原理和定位数值的快速查找算法提出一种基于中值分界的加速滤波算法．该算法以前次窗中数据的中值为支点将新窗口中数据分为大于、小于和等于该中值的三个集合,并统计各集合中数据个数,判断出中值所在集合的排序位,对集合该顺序住上的数据进行快速查找输出。实验证明,该算法大大降低了传统中值滤波的时间复杂度。提高运行速度,对于大量数据和大幅图像的滤波处理能更好地满足实时性要求。     

快速二维中值滤波算法及其FPGA硬件设计

针对数字图像噪声抑制过程中去噪性能要求较高、处理速度要求较快的问题,以常规中值滤波算法为基础,提出用归并插入排序算法来实现5×5快速中值滤波器的方案。通过对滤波窗口中行列像素点以及对角线上的像素点的归并插入排序,得到窗口的中值,在Xilinx的ISE10.0软件开发环境下成功完成该算法硬件设计。相比常规算法,该方案简单易行、运算速度快,能够满足实时性的要求,易在现场可编程门阵列（FPGA ）上实现,为实时性要求较高的图像去噪领域提供了可靠的技术支持。     

基于CUDA的快速中值滤波算法

在众多的快速中值滤波算法中选取一种适合在CUDA平台上实现的算法。并针对GPU的运算特点．对算法进行很大的改进。改进后的算法采用纹理存储器存储数据源,共享存储器和寄存器存储中间运算结果．并通过同一block内的线程共享排序结果减少了排序过程中所需的比较次数．降低了算法的复杂度。实验结果表明改进后的快速中值滤波算法充分发挥了GPU强大的并行处理能力．对于分辨率为4096×4096的图像其运算速度是基于CPU实现的6597倍．可有效地应用在实时图像处理中。     

多抽样率Gabor变换并行算法的FPGA仿真和设计

Gabor变换在信号处理领域被公认为十分有效的时频分析方法,然而却因为Gabor变换算法具有较高的计算复杂性而限制了其实时应用,最近提出的基于多抽样率滤波实现离散Gabor变换的并行算法可很好地解决实时应用问题。讨论用FPGA来实现多抽样率Gabor变换并行算法的仿真,并运用Quartus II 9.0和modelsim等软件以及Verilog硬件描述语言来辅助设计。     

基于FPGA的RC4加密算法设计及实现

针对通信安全问题,采用自顶向下的设计方法,设计了一种RC4算法基于FPGA的实现方式,实现了通信数据的加密传输。根据RC4加密算法的原理和设计流程,使用Verilog HDL编程语言,采用有限状态机（FSM）的编程方式实现算法,通过Modelsim SE 10.1a仿真软件进行仿真,并在FPGA开发板上进行验证。采用本文提出的FPGA设计方法实现的RC4加密算法相比软件加密方式和已有的FPGA实现方式速度有明显提高。     

基于FPGA的遗传算法实现

针对基于软件实现的遗传算法在求解问题的规模与复杂性不断扩大时,往往会速度慢、效率低下的缺点,提出了一种基于现场可编程门阵列的实现方法,并利用测试函数对算法的实现进行效果验证。实际效果显示,这种硬件实现方法,不仅结构简单,而且有效地减少了运算时间、提高了运行效率,为遗传算法能在一些实时、高速的场合得到应用提供了依据。     

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明：该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法。新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好地处理图像的细节部份。该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除。通过仿真分析结果表明,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,其去噪效果相比其他方法更加优秀。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于动态窗口的自适应中值滤波算法。该算法根据噪声点与周围信息的关联程度调整噪声点滤波值,从而更好地处理图像的细节部分。该算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好地进行噪声滤除。通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效地提高了图像的峰值信噪比,去噪效果相比其他方法更加优秀。     

分类中值滤波算法的研究

在标准中值滤波算法的基础上提出了基于聚类方法的滤波算法,该算法除了考虑当前像素和邻域组成的序列的统计特征之外,还考虑到了该序列的结构性特征。首先将该序列分成两类,然后计算当前像素所在的类别的中值作为滤波器的输出。该算法还设计了高低两个阈值来界定中值和均值之间的绝对差的范围,当绝对差属于不同的范围时采用不同的处理方法。最后使用了一些典型例子来说明该方法的去噪效果比标准的方法要更好一些。     

中值滤波快速算法的进一步思考

通过分析经典中值滤波算法以及几种改进的快速算法,提出了2种新的快速算法并进行了详细地介绍,即不需要排序的基于统计法的中值滤波算法和只需要少量数据排序的基于分治法的中值滤波算法。实验结果表明,提出的基于分治法的中值滤波方法在大窗口情况下非常有效,在保证整体数据不失真的前提下大幅度提高了计算速度。     

一种基于自适应的新型中值滤波算法

提出了一种新的自适应中值滤波算法,首先使用3×3窗口在图像上滑动,计算该窗口中心像素的块均匀度,并与整幅图像的块均匀度比较,自适应地确定窗口中心像素是否为噪声点;然后统计3×3窗口中噪声点的个数,自适应地调整滤波窗口大小,最后自适应地计算权值,并采用改进的加权中值滤波方法对噪声点进行逐点滤波。该方法既能有效地去除图像噪声点,又能较好地保持图像细节部分。通过对实验结果进一步分析,该方法比均值滤波和中值滤波的性能更加优化,在椒盐噪声大小相同的情况下,PSNR值提高了9.4~12.7。评价结果与目视效果吻合良好,为图像去除噪声提供了一个新的途径。     

自适应投票快速中值滤波算法研究

中值滤波是图像处理中常用的滤波方法,其优点是能有效滤除图像中的噪声像素,同时还有一定的保持图像边缘的效果;其缺点是滤波速度慢、图像边缘细节保持效果不理想。在分析中值滤波及其改进算法的基础上,提出了自适应投票快速中值滤波算法（AVMF）。该算法一方面利用图像噪声的特征自适应筛选出需要滤除的噪声像素,另一方面利用滤波窗口的中值元素的特点以及滤波窗口移动的特性,采用完全不排序的投票法快速计算中值。使用Lena图像对AVMF算法进行测试实验,实验结果表明：AVMF同多种中值滤波改进算法比较,不仅能有效滤除噪声和较好地保留图像边缘细节,而且极大地提高了滤波处理速度。