<kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

              <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                      <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                              <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                      <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                              <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                                      <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                                              <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                                                      <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                                                              <kbd id='cc0uTispOE7b6Uu'></kbd><address id='cc0uTispOE7b6Uu'><style id='cc0uTispOE7b6Uu'></style></address><button id='cc0uTispOE7b6Uu'></button>

                                                                                  查看内容

                                                                                  918博天堂COM_基于CNN的红外图像预处理赏罚体系的研究与计划

                                                                                  基于CNN的红外图像预处理赏罚奖惩系统的研究与打算

                                                                                  择要:本文计划了一个以FPGA为焦点处理赏罚器实现红外视频图像数字预处理赏罚的体系,操作Altera公司提供的DE2开拓板,把体系大部门的成果模块集成在一片FPGA 上,大大优化了整个体系的机能。该方案回收Altera公司推出的低本钱、高密度的Cyclone Ⅱ系列FPGA,进步了体系的计划机动性。细胞神经收集IP核的开拓,充实操作了细胞神经收集在图像处理赏罚方面的上风,进步了整个体系的处理赏罚服从。实现了细胞神经收集的一种高效数字实现方案,而且回收漫衍式算法可以提供更高的运行速率。

                                                                                  要害词 边沿检测;细胞神经收集;FPGA;

                                                                                  弁言

                                                                                  红外视频图像数字预处理赏罚体系是红外焦平面阵列探测器必备的后处理赏罚电路,对成像质量有很大的影响。跟着红外弱小方针检测技能开始普及应用于制导、跟踪、自动节制、人工智能等诸多规模,这些应用对红外成像质量的要求越来越高。因此,研究红外视频图像数字预处理赏罚体系有很大的意义[1-2]。本文从细胞神经收集模子研究开始,将细胞神经收集的模子、算法研究与详细的图像处理赏罚出格是在图像边沿检测中的应用细密团结,充实将理论和实践接洽起来。将计划好的模板应用到图像的边沿检测中,操作FPGA的并行性特点,成立基于CNN的红外图像预处理赏罚体系,用于举办及时的图像处理赏罚。

                                                                                  该体系硬件电路包罗两路视频A/D,数据缓冲同步FIFO,FPGA,数据存储、颜色空间转换等成果模块。体系可以或许完成对IRFPA信号的正确读出,并将读出的视频模仿信号经A/D转换器转换为数字信号,经FIFO缓冲后进入存储器,之后颠末中心数字信号处理赏罚器举办须要的处理赏罚(边沿提取),最后输出尺度的VGA模仿视频信号,传送到表现器。

                                                                                  1 图像预处理赏罚实现道理说明

                                                                                  红外图像预处理赏罚的目标在于,改进图像数据,克制不必要的变形可能加强某些对付后续处理赏罚重要的图像特性,为后续的方针辨认与跟踪提供利便。这里做的预处理赏罚为边沿提取,即对处于最低抽象条理上的图像所举办的操纵,此时处理赏罚的输入输出为亮度图像。这些图像是与传感器抓取到的原始数据同类的,凡是是用图像函数值矩阵暗示的亮度图像。整个体系的焦点处理赏罚部门是由细胞神经收集IP核实现的。

                                                                                  细胞神经收集(Cellular Neural Network,CNN)是以神经收集的联接方法为配景,具有及时信号处理赏罚手段的大局限非线性模仿电路。从布局上讲,CNN相同于细胞自念头,即细胞神经收集中的每一个胞元仅与它的相近胞元相毗连,相连胞元之间存在直接通讯,而非相近胞元之间不直接联接,可是因为持续时刻下的动态撒播,可以间接影响不相邻的胞元。理论上,可以界说任何维数的细胞神经收集,,可是由于处理赏罚图像的必要,这里只思量二维的环境。一个二维的 细胞神经收集布局情势如图1所示,用 暗示第i行第j列的细胞。胞元的状态方程为:

                                                                                  由上式可知,在CNN应用行使空间稳固的系数的环境下,整个收集的成果由2个 的矩阵 和 ,以及胞元偏移值I抉择。矩阵A和B别离称为反馈模版和节制模版。胞元布局见图2所示。

                                                                                  图1   3x3局限的细胞神经收集布局

                                                                                  图2  CNN布局图

                                                                                  在图像处理赏罚中,无论是灰度图像照旧二值图像,每一个像素的值均为离散量化的,回收CNN举办图像处理赏罚时,存在对其输入与输出量化的题目。在 的二维图像中,不失一样平常性地设它的恣意一点值为 ,凡是对付二值图像, 仅取两个整数值,即 ;而对灰度图像则 为灰度值,以8比特灰度图像为例 。在CNN体系中,其输入为 ,输出为 ,因而在处理赏罚二值图像时,必要使原本的 映射为 ,但必需留意这种映射为:原本的0映射为1(纯玄色),原本的1映射为-1(纯白色)。而处理赏罚灰度图像时,起主要对输入与输出的值域 举办256级的匀称量化,然后使 映射到这个匀称量化的 中,同样必需留意:原本的0映射为1(纯玄色),原本的255映射为-1(纯白色),别的灰度值均凭证由小到大的次序依次映射到由1到-1这个由大到小的量化系统中[3-5]。

                                                                                  2 总体方案选择

                                                                                  体系的事变流程如图2所示,从CCD传来的数字视频信号及其节制信号起首通过图像收罗模块,从而筛选出有用的数据,然后通过RAW2RGB模块,操作插值算法获得每个像素点的R、G、B数据。为了便于CNN模块举办焦点处理赏罚,在举办边沿提取操纵前,把图像数据从RGB颜色空间转换为YCbCr颜色空间,针对Y分量举办处理赏罚。处理赏罚后的数据再颠末YCbCr2RGB模块转换为RGB数据从而提供应VGA模块,供LCD表现。

                                                                                  图2 红外图像预处理赏罚体系事变流程

                                                                                  整个的焦点部门在于CNN模块,在图像边沿提取中行使的算法首要是经典的微分算子,微分算法在硬件中很难实现,将CNN应用于灰度图像边沿提取的算法,是由于CNN是一种基于神经元局域毗连的神经收集并行处理赏罚器[3], 硬件上可以回收沟通的电路元件阵列来计划CNN并行处理赏罚器,这种阵列同构的电路计划有利于VLSI实现。故回收粒子群算法实习CNN的模板,举办边沿提取。

                                                                                  固然在细胞神经收集中应承恣意局限的邻域,跟着模板尺寸的增大,硬件实现的难度也随之增大。受限于今朝的VLSI技能,胞元之间的互联只能是局部的。本文中,划定回收3x3邻域,即模板A、模板B都是3x3的矩阵,且它们的系数都是实系数。由于今朝大大都图像处理赏罚针对的都是灰度级图像,以是细胞神经收集胞元的输入范畴被限制在[-1,+1]之间,-1代批注色像素,1代表玄色像素,别的的值代表二者之间的灰度值。这里回收定点数,由于在硬件实现中,定点数具有更高的速率和更低廉的本钱,出格是在挪用FPGA中的乘法底层原语时。

                                                                                  单个胞元的串行硬件实现布局,完成一次胞元状态更新的运算至少必要9个时钟周期。为了进步速率,可以在计较胞元状态更新时回收并行布局,如图3所示,通过回收流水线布局,完成一次胞元状态的更新只必要1个时钟周期。本文回收并行布局在FPGA中实现细胞神经收集。

                                                                                  图3 CNN 并行实现布局框图