论文部分内容阅读
噪声广泛存在于数字图像中,尤其在恶劣环境中或使用低端的摄像机拍摄时都将使图像中的噪声大大增加,降低了获取图像的画面质量,直接影响后期的技术应用,如人脸识别,目标跟踪,车牌号分辨等,图像去噪研究具有广泛现实意义。非局部均值图像去噪算法(Non-Local Means,NLM)充分利用图像内部存在的大量冗余信息,如纹理信息或结构相似特性等,达到了极佳的噪声去除效果,但NLM算法存在计算量巨大,算法参数自适应研究不够成熟等问题,在普通PC机上很难满足高效实时处理需求,影响了算法的推广应用。本文系统的研究了基于Zernike矩的非局部均值去噪算法(Zernike-based Non-Local Means,ZNLM),针对去噪算法的去噪效果和如何将该算法应用于嵌入式平台展开研究,具体工作和研究成果如下:(1)、提出了基于方法噪声迭代的ZNLM(Zernike based Non-Local Mean)去噪算法。本文中“方法噪声”定义为噪声图像与去噪后图像的差值,提出算法能将噪声图像的峰值信噪比有效提高4db左右,且在视觉效果方面更加清晰。算法通过分析去噪后图像的方法噪声,即噪声图像与去噪后图像的差值,发现方法噪声中存在大量的有效结构信息,这些信息在图像去噪过程中被错误的滤除,使图像有效细节信息遭受损失,本文通过利用ZNLM去噪算法对方法噪声去噪,提取出方法噪声中存在的有效信息,并将提取的有效信息叠加到去噪结果中,提高结果图像的去噪效果。算法多次迭代结果图像,对相应的方法噪声进行信息提取;并且以峰值信噪比作为基准,输出PSNR最大时图像的处理效果。基于方法噪声迭代的ZNLM算法不仅能提高图像去噪质量,而且迭代算法能大大减少算法硬件实现时所消耗的资源。(2)、利用FPGA+DSP嵌入式系统平台实现了对ZNLM算法的硬件加速实现。通过DSP控制FPGA模块运算解决了大数据传递带宽不足的问题。利用FPGA并行流水线操作实现了图像的快速Zernike矩计算,最终通过JATG接口将图像稳定上传到PC机上,形成了图像采集、处理、输出的完备图像处理系统。嵌入式图像处理平台具有高效专一的软硬件设计构架,大幅提高了ZNLM算法处理速率,相比于配备有酷睿2四核、主频2.33GHZ处理器的PC机matlab程序实现,本文设计嵌入式系统处理速度加速比可以达到340倍以上。