CN108242042A - 基于fpga的目标自适应平台直方图均衡实现方法 - Google Patents
基于fpga的目标自适应平台直方图均衡实现方法 Download PDFInfo
- Publication number
- CN108242042A CN108242042A CN201611203104.8A CN201611203104A CN108242042A CN 108242042 A CN108242042 A CN 108242042A CN 201611203104 A CN201611203104 A CN 201611203104A CN 108242042 A CN108242042 A CN 108242042A
- Authority
- CN
- China
- Prior art keywords
- histogram
- data
- read
- chip memory
- ram1
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009825 accumulation Methods 0.000 claims abstract description 46
- 230000015654 memory Effects 0.000 claims description 72
- 101100325756 Arabidopsis thaliana BAM5 gene Proteins 0.000 claims description 62
- 101150046378 RAM1 gene Proteins 0.000 claims description 62
- 101100476489 Rattus norvegicus Slc20a2 gene Proteins 0.000 claims description 62
- 102100031584 Cell division cycle-associated 7-like protein Human genes 0.000 claims description 46
- 101000777638 Homo sapiens Cell division cycle-associated 7-like protein Proteins 0.000 claims description 46
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims description 2
- 241001269238 Data Species 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000000465 moulding Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于FPGA的目标自适应平台直方图均衡实现方法，本方法利用两个片上RAM来分别完成图像数据的平台直方图统计和累积，当帧有效时，直方图模块对输入的第t帧图像数据进行直方图统计，当第t帧图像数据统计完成后，在帧无效的时间内，直方图累积模块对统计直方图数据进行累积，当第t+1帧数据送到时，在帧有效时间内重复上述直方图统计操作，同时平台直方图输出模块读取第t帧图像的累积直方图数据，并利用第t帧统计直方图的状态信息完成第t+1帧图像数据的均衡化并输出，以此来实现对不同场景图像进行灰度值重新分配时能适应场景的变化，提高了平台直方图均衡算法的自适应性。
Description
技术领域
本发明属于红外图像处理领域，是一种基于FPGA的目标自适应平台直方图均衡实现方法。
背景技术
原始的红外图像普遍存在非均匀性大、对比度低、分辨率差等特点，大大降低了红外成像系统在实际应用中成像的质量
直方图均衡是红外成像系统中实用最广泛的图。因此国内外诸多学者针对红外图像的特点，研究出各种红外图像的处理算法，提升图像的成像质量。像显示技术。直方图均衡图像的灰度映射函数采用原始图像的累计分布函数，通过直方图均衡后图像的像素分布近似满足均衡分布。平台直方图是针对原始直方图均均衡缺点，提出的一种能够抑制背景和噪声，同时提升图像对比度的一种新方法。
胡元刚在《直方图均衡增强算法在实时图像处理中的实现》(液晶与显示)一文中采用了6片DDR和一片FLASH作为直方图均衡过程中的数据缓存，同时采用了FPGA内部的RAM存储映射表数据，大量存储器的使用增大了硬件电路板的面积，不利于小型化，同时增加了系统功耗。
刘延在《基于FPGA的直方图均衡实时并行算法及新架构实现》(红外技术)一文中采用两个RAM乒乓操作存储统计直方图，再另外采用两个RAM乒乓操作存储转换的灰度值，4个RAM的使用占用了大量的FPGA内部资源，使得FPGA难以植入其他算法，制约了成像系统的多功能化。
目前平台直方图大多通过采用两个FPGA内部的RAM来实现，一个用于存储一帧图像的统计直方图，一个用于存储一帧图像的累积直方图。但由于传统的平台直方图均衡算法并未考虑处理算法对目标场景的适应性，无法根据场景内的目标的灰度分布来自适应调节处理后图像的灰度分配，难以保证系统在对均匀场景成像时不会过度放大噪声，同时又能使系统能将细节较多的场景中的细节目标全部体现出来，以突出目标的细节信息。
发明内容
本发明的目的在于提供一种基于FPGA的目标自适应平台直方图均衡实现方法，解决了传统平台直方图均衡处理算法无法保证红外成像系统对均匀目标场景和细节较多的场景都有较好的成像效果，既能有效压缩均匀目标场景的噪声，同时能保证细节较多的场景能够突出其细节。
实现本发明目的的技术解决方案为：一种基于FPGA的目标自适应平台直方图均衡实现方法，方法步骤如下：
步骤1)将大小为M×N，数据位宽为n的输入图像数据送入到直方图统计模块，其中M为列数，N为行数，在帧有效时，根据设置的上限平台值对输入的图像数据进行直方图统计，同时将原始图像的统计信息存入缓存区，并产生RAM1读写控制信号送入到RAM1读写控制模块，转入步骤2)。
步骤2)RAM1读写控制模块，接收读写控制信号，对第一片上存储器RAM1进行读写操作，从而协助完成平台直方图的统计和后续的直方图累积，转入步骤3)。
步骤3)在统计直方图完成后，当帧无效时，直方图累积模块向RAM1读写控制模块发出读第一片上存储器RAM1的控制信号，RAM1读写控制模块向第一片上存储器RAM1发出读信号，将从第一片上存储器RAM1中读入的平台统计直方图数据送给直方图累积模块，转入步骤4)。
步骤4)直方图累积模块对平台统计直方图数据进行累积计算得到累积直方图数据，并产生写第二片上存储器RAM2的控制信号送给RAM2读写控制模块，RAM2读写控制模块向第二片上存储器RAM2发出写信号，将直方图统计模块计算得到的累积直方图数据写入第二片上存储器RAM2，同时直方图统计模块发出清零信号，对第一片上存储器RAM1进行清空准备下一帧图像数据的统计，转入步骤5)。
步骤5)在下一帧图像数据到来时，返回步骤2)，同时，在帧有效时，平台直方图输出模块根据输入的图像数据产生第二片上存储器RAM2的读控制信号，RAM2读写控制模块读取第二片上存储器RAM2中存储的上一帧累积直方图数据，同时结合缓存区中上一帧图像的统计数据，计算当前帧图像均衡化后的图像并输出。
本发明与现有技术相比，其显著优点：
(1)通过设置的上限平台值处理统计直方图，将平台直方图写入RAM，同时根据平台值设置RAM的大小，可缩小RAM的位宽，减少FPGA内部资源的使用。
(2)利用目标场景的统计特点，结合平台直方图的优点，保证系统能够对均匀目标场景和细节较多的场景都有较好的成像效果，提高系统的环境适应性。
附图说明
图1为本发明基于FPGA的目标自适应平台直方图均衡实现方法框图。
图2为原始图像的统计直方图。
图3为本发明实施例1中细节较丰富的场景的处理图像对比图，其中(a)为传统方法处理效果图，(b)为本发明方法的处理效果图。
图4为本发明实施例1中均匀场景的处理图像对比图，其中(a)为传统方法处理效果图，(b)为本发明方法的处理效果图。
具体实施方式
下面结合附图对本发明作进一步详细描述。
直方图均衡化是通过输入图像的直方图信息，对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像元取值的动态范围，提高图像对比度和灰度色调变换，使图像更加清晰。平台直方图均衡化即是在原始直方图均衡化的基础上，增添上限平台值，当某一灰度级在一幅图像中出现的次数大于设定的上限平台值时，则令出现的次数就等于上限平台值，从而在一定程度上抑制图像背景和噪声，具有目标适应性的平台直方图均衡方法能够根据目标场景的特点，自适应的选择需要压缩的灰度级范围，从而保证直方图均衡算法具有更好的成像效果。
结合图1和图2，一种基于FPGA的目标自适应平台直方图均衡实现方法，算法步骤如下：
步骤1)将大小为M×N，数据位宽为n的输入图像数据送入到直方图统计模块，其中M为列数，N为行数，在帧有效时，根据设置的上限平台值对输入的图像数据进行直方图统计，同时将原始图像的统计信息存入缓存区，并产生RAM1读写控制信号送入到RAM1读写控制模块，转入步骤2)：
对输入图像数据进行直方图统计，具体步骤为：
1-1)将输入图像数据作为第一片上存储器RAM1的地址，读取第一片上存储器RAM1中相应地址处的数据，即该灰度级的图像像素个数；
1-2)将读出的第一片上存储器RAM1中的平台直方图统计个数自+1；
1-3)将上述得到的数据再写回1-1)中的同一地址处。
RAM1读写控制模块根据设置的上限平台值，当从第一片上存储器RAM1的任一地址中读入的数据大于上限平台值时，写入第一片上存储器RAM1的数据将不再进行自+1，即：
其中k表示输入图像的灰度等级，取值范围0～(2n-1)，P(k)表示统计直方图，T表示设置的上限平台值，PT()表示平台统计直方图。
步骤2)RAM1读写控制模块，接收读写控制信号，对第一片上存储器RAM1进行读写操作，从而协助完成平台直方图的统计和后续的直方图累积，转入步骤3)。
步骤3)在统计直方图完成后，当帧无效时，直方图累积模块向RAM1读写控制模块发出读第一片上存储器RAM1的控制信号，RAM1读写控制模块向第一片上存储器RAM1发出读信号，将从第一片上存储器RAM1中读入的平台统计直方图数据送给直方图累积模块，转入步骤4)：
在统计直方图完成后，当帧无效时，RAM1读写控制模块产生第一片上存储器RAM1的读地址：依次从0～(2n-1)，将第一片上存储器RAM1中的平台统计直方图读出，并送给直方图累积模块。
步骤4)直方图累积模块对平台统计直方图数据进行累积计算得到累积直方图数据，并产生写第二片上存储器RAM2的控制信号送给RAM2读写控制模块，RAM2读写控制模块向第二片上存储器RAM2发出写信号，将直方图统计模块计算得到的累积直方图数据写入第二片上存储器RAM2，同时直方图统计模块发出清零信号，对第一片上存储器RAM1进行清空准备下一帧图像数据的统计，转入步骤5)；
直方图累积模块对平台统计直方图进行累积，得到累积直方图FT()：
同时，直方图统计模块将第一片上存储器RAM1清空等待下一帧图像数据的到来，具体操作为：向第一片上存储器RAM1送清零信号，将第一片上存储器RAM1中的数据全部清零。
步骤5)在下一帧图像数据到来时，返回步骤2)，同时，在帧有效时，平台直方图输出模块根据输入的图像数据产生第二片上存储器RAM2的读控制信号，RAM2读写控制模块读取第二片上存储器RAM2中存储的上一帧累积直方图数据，同时结合缓存区中上一帧图像的统计数据，计算当前帧图像均衡化后的图像并输出。，具体步骤为：
5-1)将输入图像数据的灰度值作为第二片上存储器RAM2的读地址，经RAM2读写控制模块送给第二片上存储器RAM2；
5-2)RAM2读写控制模块接收第二片上存储器RAM2读出的累积直方图数据并送给平台直方图输出模块；
5-3)平台直方图输出模块接收读出的累积直方图，并结合缓存区中上一帧图像的统计数据，进行如下计算：
R＝(1-(HTOP/PCOUNT)2/C)×Rrange
其中，Rrange是均衡化后的最大灰度范围，FT(2n-1)表示一帧图像平台统计直方图后的有效像素数，DT(k)表示平台直方图均衡化后的输出图像，HTOP为上一帧图像统计数据中像素数最多的灰度级的像素数，PCOUNT为上一帧图像统计数据中像素数不为零的灰度级个数，R为灰度级压缩范围，C为控制参数。
结合图1，一种基于FPGA的目标自适应平台直方图均衡实现方法的系统，包括：
直方图统计模块，在帧有效时，对输入的图像数据进行直方图统计，并产生FPGA内部第一片上存储器RAM1的读写控制信号，包括：写使能、写数据、写地址、读使能、读数据、读地址信号的控制，此外在累积直方图模块作累积后产生写第一片上存储器RAM1的清零信号清空第一片上存储器RAM1。
缓存区，存储直方图统计模块在进行原始图像数据统计时原始图像数据的统计信息，包括图像统计数据中像素数最多的灰度级的像素数HTOP和像素数不为零的灰度级个数PCOUNT。
RAM1读写控制模块，产生输入给第一片上存储器RAM1的写使能、写数据、写地址、读使能和读地址，并且将第一片上存储器RAM1读出的数据送给直方图统计模块或直方图累积模块。
第一片上存储器RAM1，采用FPGA的片上RAM，存储一帧图像的平台统计直方图。
第二片上存储器RAM2，采用FPGA的片上RAM，存储一帧图像的累积直方图；
RAM2读写控制模块，在直方图统计完后的帧无效时间内，产生第二片上存储器RAM2的写使能、写地址，将直方图累积模块计算得到的累积直方图数据写入第二片上存储器RAM2。
直方图累积模块，对统计直方图进行累积，并产生第二片上存储器RAM2的写控制信号。
平台直方图输出模块，根据输入的图像数据产生第二片上存储器RAM2的读控制信号，RAM2读写控制模块读取第二片上存储器RAM2中存储的上一帧累积直方图数据，同时结合缓存区中上一帧图像的统计数据，计算当前帧图像均衡化后的图像并输出。
当第t帧图像数据统计完成后，在帧无效的时间内，RAM1读写控制模块将第一片上存储器RAM1中的统计数据读出送给直方图的累积模块，直方图累积模块对统计直方图数据进行累积，并将累积直方图数据经过RAM2读写控制模块将累积直方图数据写入第二片上存储器RAM2中；当第t+1帧数据送到时，在帧有效时间内重复上述直方图统计操作，同时平台直方图输出模块读取第二片上存储器RAM2中存储的第t帧图像的累积直方图数据，同时利用第t帧统计直方图的状态信息完成第t+1帧图像数据的均衡化并输出。
实施例1
采用分辨率为384×288，位宽为14的输入图像，采用FPGA的型号为EP4CE75U19I7，设置上限平台值为1023，将图像输入平台直方图均衡化模块，对图像进行直方图均衡化处理。采用本方法和传统的平台直方图算法处理得到的输出图像效果如图3和图4所示，从图3可以看到针对细节较丰富的场景，本方法和传统的平台直方图算法具有类似的处理效果，但针对均匀场景的处理效果，如图4，本方法具有较大的优势，均匀场景的噪声得到很好的抑制，保证了输出图像的均匀性。
Claims (7)
1.一种基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于，方法步骤如下：
步骤1)将大小为M×N，数据位宽为n的输入图像数据送入到直方图统计模块，其中M为列数，N为行数，在帧有效时，根据设置的上限平台值对输入的图像数据进行直方图统计，同时将原始图像的统计信息存入缓存区，并产生RAM1读写控制信号送入到RAM1读写控制模块，转入步骤2)；
步骤2)RAM1读写控制模块，接收读写控制信号，对第一片上存储器RAM1进行读写操作，从而协助完成平台直方图的统计和后续的直方图累积，转入步骤3)；
步骤3)在统计直方图完成后，当帧无效时，直方图累积模块向RAM1读写控制模块发出读第一片上存储器RAM1的控制信号，RAM1读写控制模块向第一片上存储器RAM1发出读信号，将从第一片上存储器RAM1中读入的平台统计直方图数据送给直方图累积模块，转入步骤4)；
步骤4)直方图累积模块对平台统计直方图数据进行累积计算得到累积直方图数据，并产生写第二片上存储器RAM2的控制信号送给RAM2读写控制模块，RAM2读写控制模块向第二片上存储器RAM2发出写信号，将直方图统计模块计算得到的累积直方图数据写入第二片上存储器RAM2，同时直方图统计模块发出清零信号，对第一片上存储器RAM1进行清空准备下一帧图像数据的统计，转入步骤5)；
步骤5)在下一帧图像数据到来时，返回步骤2)，同时，在帧有效时，平台直方图输出模块根据输入的图像数据产生第二片上存储器RAM2的读控制信号，RAM2读写控制模块读取第二片上存储器RAM2中存储的上一帧累积直方图数据，同时结合缓存区中上一帧图像的统计数据，计算当前帧图像均衡化后的图像并输出。
2.根据权利要求1所述的基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于：上述步骤1)中，对输入图像数据进行直方图统计，具体步骤为：
1-1)将输入图像数据作为第一片上存储器RAM1的地址，读取第一片上存储器RAM1中相应地址处的数据，即该灰度级的图像像素个数；
1-2)将读出的第一片上存储器RAM1中的平台直方图统计个数自+1；
1-3)将上述得到的数据再写回1-1)中的同一地址处。
3.根据权利要求1所述的基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于：上述步骤1)中，RAM1读写控制模块根据设置的上限平台值，当从第一片上存储器RAM1的任一地址中读入的数据大于上限平台值时，写入第一片上存储器RAM1的数据将不再进行自+1，即：
其中k表示输入图像的灰度等级，取值范围0～(2n-1)，P(k)表示统计直方图，T表示设置的上限平台值，PT()表示平台统计直方图。
4.根据权利要求1所述的基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于：上述步骤3)中，在统计直方图完成后，当帧无效时，RAM1读写控制模块产生第一片上存储器RAM1的读地址：依次从0～(2n-1)，将第一片上存储器RAM1中的平台统计直方图读出，并送给直方图累积模块。
5.根据权利要求1所述的基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于：上述步骤4)中，直方图累积模块对平台统计直方图进行累积，得到累积直方图FT()：
同时，直方图统计模块将第一片上存储器RAM1清空等待下一帧图像数据的到来，具体操作为：向第一片上存储器RAM1送清零信号，将第一片上存储器RAM1中的数据全部清零。
6.根据权利要求1所述的基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于：上述步骤5)中，RAM2读写控制模块读取第二片上存储器RAM2中存储的上一帧累积直方图数据，同时结合缓存区中上一帧图像的统计数据，计算当前帧图像均衡化后的图像并输出，具体步骤为：
5-1)将输入图像数据的灰度值作为第二片上存储器RAM2的读地址，经RAM2读写控制模块送给第二片上存储器RAM2；
5-2)RAM2读写控制模块接收第二片上存储器RAM2读出的累积直方图数据并送给平台直方图输出模块；
5-3)平台直方图输出模块接收读出的累积直方图，并结合缓存区中上一帧图像的统计数据，进行如下计算：
R＝(1-(HTOP/PCOUNT)2/C)×Rrange
其中，Rrange是均衡化后的最大灰度范围，FT(2n-1)表示一帧图像平台统计直方图后的有效像素数，DT(k)表示平台直方图均衡化后的输出图像，HTOP为上一帧图像统计数据中像素数最多的灰度级的像素数，PCOUNT为上一帧图像统计数据中像素数不为零的灰度级个数，R为灰度级压缩范围，C为控制参数。
7.根据权利要求1所述的基于FPGA的目标自适应平台直方图均衡实现方法，其特征在于：所述片上存储器RAM采用FPGA内部的RAM。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611203104.8A CN108242042A (zh) | 2016-12-23 | 2016-12-23 | 基于fpga的目标自适应平台直方图均衡实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611203104.8A CN108242042A (zh) | 2016-12-23 | 2016-12-23 | 基于fpga的目标自适应平台直方图均衡实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108242042A true CN108242042A (zh) | 2018-07-03 |
Family
ID=62703511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611203104.8A Pending CN108242042A (zh) | 2016-12-23 | 2016-12-23 | 基于fpga的目标自适应平台直方图均衡实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108242042A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109346100A (zh) * | 2018-10-25 | 2019-02-15 | 烟台市奥境数字科技有限公司 | 一种数字媒体交互式教学系统的网络传输方法 |
| CN110148101A (zh) * | 2019-04-25 | 2019-08-20 | 北京遥感设备研究所 | 一种基于fpga的低缓存改进型直方图均衡方法及系统 |
| CN113325386A (zh) * | 2021-04-16 | 2021-08-31 | 上海宏景智驾信息科技有限公司 | Spad激光雷达双随机内存实时统计tdc的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009010550A1 (de) * | 2007-07-18 | 2009-01-22 | Eads Deutschland Gmbh | Bildaufnahmetechnik zur direkten objektsegmentierung in bildern |
| CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
| CN105787898A (zh) * | 2016-03-02 | 2016-07-20 | 南京理工大学 | 基于fpga的平台直方图均衡化实现方法及其装置 |
| WO2016200531A1 (en) * | 2015-06-11 | 2016-12-15 | Intel Corporation | Improving pixel merge unit efficiency by identifying silhouette pixels |
-
2016
- 2016-12-23 CN CN201611203104.8A patent/CN108242042A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009010550A1 (de) * | 2007-07-18 | 2009-01-22 | Eads Deutschland Gmbh | Bildaufnahmetechnik zur direkten objektsegmentierung in bildern |
| CN103177429A (zh) * | 2013-04-16 | 2013-06-26 | 南京理工大学 | 基于fpga的红外图像细节增强系统及其方法 |
| WO2016200531A1 (en) * | 2015-06-11 | 2016-12-15 | Intel Corporation | Improving pixel merge unit efficiency by identifying silhouette pixels |
| CN105787898A (zh) * | 2016-03-02 | 2016-07-20 | 南京理工大学 | 基于fpga的平台直方图均衡化实现方法及其装置 |
Non-Patent Citations (3)
| Title |
|---|
| A. ALOISIO 等: "A frequency agile, self-adaptive serial link on Xilinx FPGAs", 《 2014 19TH IEEE-NPSS REAL TIME CONFERENCE》 * |
| 毛义伟 等: "基于改进型平台直方图的红外均衡化算法", 《光学与光电技术》 * |
| 毛伟 等: "基于FPGA和ARM的红外图像实时显示和采集方法", 《激光与红外》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109346100A (zh) * | 2018-10-25 | 2019-02-15 | 烟台市奥境数字科技有限公司 | 一种数字媒体交互式教学系统的网络传输方法 |
| CN110148101A (zh) * | 2019-04-25 | 2019-08-20 | 北京遥感设备研究所 | 一种基于fpga的低缓存改进型直方图均衡方法及系统 |
| CN113325386A (zh) * | 2021-04-16 | 2021-08-31 | 上海宏景智驾信息科技有限公司 | Spad激光雷达双随机内存实时统计tdc的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105469373B (zh) | 一种Retinex图像增强方法及系统 | |
| CN105787898B (zh) | 基于fpga的平台直方图均衡化实现方法及其装置 | |
| CN103295191B (zh) | 多尺度视觉自适应图像增强方法及评价方法 | |
| US20190020871A1 (en) | Visual quality preserving quantization parameter prediction with deep neural network | |
| CN111047529B (zh) | 一种基于机器学习的视频处理方法 | |
| CN103530896A (zh) | 一种红外图像的图像压缩和细节增强方法 | |
| CN108242042A (zh) | 基于fpga的目标自适应平台直方图均衡实现方法 | |
| TW201349852A (zh) | 影像處理裝置與影像處理方法 | |
| CN111563851B (zh) | 一种基于动态高斯参数的图像映射方法 | |
| WO2022116104A1 (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN111385567B (zh) | 一种超高清视频质量评价方法及装置 | |
| WO2023005818A1 (zh) | 噪声图像生成方法、装置、电子设备及存储介质 | |
| CN111105376A (zh) | 基于双分支神经网络的单曝光高动态范围图像生成方法 | |
| CN109785275A (zh) | 一种图像的色调映射方法及设备 | |
| CN103793873B (zh) | 图像像素中值的获取方法和装置 | |
| WO2023125503A1 (zh) | 一种暗光图像降噪方法及装置 | |
| CN107392879A (zh) | 一种基于参考帧的低照度监控图像增强方法 | |
| CN113963305A (zh) | 一种视频关键帧和特写片段提取方法 | |
| Wang et al. | Multiscale supervision-guided context aggregation network for single image dehazing | |
| CN109215001A (zh) | 基于fpga的高温差自适应平台直方图均衡实现方法 | |
| US20230069654A1 (en) | Method and device for processing image, method for training image processing model, and storage medium | |
| CN107404600A (zh) | 图像处理装置及方法 | |
| Cai et al. | Low-light image enhancement based on modified U-Net | |
| CN110942425A (zh) | 一种超分辨率图像的重构方法、重构系统和电子设备 | |
| CN104776919B (zh) | 基于fpga的红外焦平面阵列条带状非均匀性校正系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180703 |
|
| RJ01 | Rejection of invention patent application after publication |