CN109727222A - 一种基于fpga的非下采样轮廓波图像变换重构系统及方法 - Google Patents

一种基于fpga的非下采样轮廓波图像变换重构系统及方法 Download PDF

Info

Publication number
CN109727222A
CN109727222A CN201811528940.2A CN201811528940A CN109727222A CN 109727222 A CN109727222 A CN 109727222A CN 201811528940 A CN201811528940 A CN 201811528940A CN 109727222 A CN109727222 A CN 109727222A
Authority
CN
China
Prior art keywords
module
filter
pyramid
filter group
sub
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.)
Granted
Application number
CN201811528940.2A
Other languages
English (en)
Other versions
CN109727222B (zh
Inventor
李虹杉
傅志中
徐进
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201811528940.2A priority Critical patent/CN109727222B/zh
Publication of CN109727222A publication Critical patent/CN109727222A/zh
Application granted granted Critical
Publication of CN109727222B publication Critical patent/CN109727222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种基于FPGA的非下采样轮廓波图像变换重构系统及方法。本发明的系统包括:系统初始化模块、子带图像数据接收模块、金字塔滤波器组模块、方向滤波器组模块、滤波器系数存储模块和重构图像输出模块。本发明结合FPGA性能强,可编程资源丰富的特点,在FPGA上实现非下采样轮廓波分解子带图像的重构,不仅具有精度高速度快等特点,同时保证了图像重构的实时性和可扩展性。同时本发明还公开基于系统的图像变换重构方法。本发明在硬件上可以实现对非下采样轮廓波子带图像的方向和尺度重构,且计算精度高,处理延迟较小,可实现图像的实时处理。

Description

一种基于FPGA的非下采样轮廓波图像变换重构系统及方法
技术领域
本发明属于信号处理技术领域,具体涉及一种基于FPGA的非下采样轮廓波图像变换重构技术。
背景技术
图像融合,就是收集来自多个图像的所有重要信息,并将它们集中体现在在较少的图像中,通常是单个图像。融合图片比任何单张图片都包含更多的信息和更突出的特征。图像融合的目的不仅是为了减少数据量,同时也是为了构建更适于人类和机器感知的图像。在计算机视觉中,多传感器图像融合是将来自两个或更多图像的相关信息组合成单个图像的过程。由此产生的图像将比其他输入图像具有更多信息。
现阶段,对于图像融合的方法有很多,基于空间域的融合方法有线性加权法、统计法和假彩色法等,基于变换域的融合方法有DCT算法、FFT算法、DWT算法和NSCT算法等。非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)具有多尺度、多方向、各向异性和平移不变性,是一种超完备的多尺度变换方法。图像经非下采样轮廓波分解变换后得到的各个子带图像和源图像具有相同的尺寸大小,并且在各层次的多尺度分解上,可以改变分解数量使得图像有更多不同方向上的分解,保证了各向异性的特性;然后,在对应的子带图像根据一定融合规则实现图像融合后,经过NSCT反变换使得分解后的子带图像得到重构后的融合后的图像。以上特性是NSCT应用于图像处理尤其是图像融合领域的原因。基于FPGA的非下采样轮廓波分解的子带图像变换重构系统的实现,使该方法不仅停留在理论研究阶段,还能真正运用到具体的工程技术实践中。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种基于FPGA的非下采样轮廓波图像变换重构系统,以实现对经非下采样轮廓波分解变换后的子带图像的重构,可以应用于图像融合领域。
为实现上述目的,本发明的基于FPGA的非下采样轮廓波分解的子带图像变换重构系统,包括系统初始化模块,子带图像数据接收模块,多级方向滤波器组模块和金字塔滤波器组模块,滤波器系数存储模块和重构图像输出模块;
其中,系统初始化模块,用于上电后对系统进行初始化,并为FPGA提供统一的全局时钟信号和复位信号,系统初始化模块的输出端与子带图像数据接收模块、方向滤波器组模块、金字塔滤波器组模块、滤波器系数存储模块和重构图像输出模块的输入端相连;
子带图像数据接收模块,用于接收输入FPGA的多子带图像,以及接收重构参数信号,并基于所述重构参数信号生成非下采样轮廓波的尺度重构数目M和方向重构数目N;其输出端分别与各级方向滤波器组模块、金字塔滤波器组模块的输入端相连;并按照预设匹配方式,子带图像数据接收模块将每次输入的N幅待进行方向滤波的子带图像送入对应的方向滤波器组模块,以及将输入的低频子带图像送入第一级金字塔滤波器组模块;
进一步的,所述子带图像数据接收模块还对每次输入的子带图像进行时序校准处理,以便于准确的将N幅待进行方向滤波的子带图像送入对应的方向滤波器组模块;
方向滤波器组模块,用于对输入的N幅子带图像进行多级方向滤波,以完成子带图像的方向重构,从而得到一幅方向重构图;每级方向滤波器组模块的输出端分别与对应级的金字塔滤波器组模块的输入端相连,用于向金字塔滤波器组模块输出方向重构图像,即尺度重构所需的高频子带图像;
金字塔滤波器组模块,用于对子带图像进行金字塔滤波以完成图像的尺度重构,从而得到尺度重构图像;每级金字塔滤波器组模块的输出端与后一级金字塔滤波器组模块的输入端相连,用于向后一级金字塔滤波器组模块输出重构图像,即尺度重构所需的低频子带图像;且金字塔滤波器组模块的输出端还与重构图像输出模块的输入端相连,并基于尺度重构数目启动第M级金字塔滤波器组模块向重构图像输出模块的输出尺度重构图像;
滤波器系数存储模块,用于在FPGA内部存储所有方向重构滤波器和金字塔重构滤波器的滤波系数,其分别与各级金字塔滤波器组模块、方向滤波器组模块的输入端相连;所述金字塔重构滤波器包括重构低通滤波器和重构高通滤波器;
重构图像输出模块,用于接收和缓存来自金字塔重构滤波器的尺度重构图像(非下采样轮廓波重构变换后得到的重构图像),并按照预设格式输出。
进一步的,所述系统初始化模块包含3个子模块,分别是时钟分频子模块、工作时钟选择子模块和复位信号产生子模块;其中工作时钟子模块与时钟分频子模块的输出端相连,同时工作时钟选择子模块与滤波器系数存储模块的输出端相连;
进一步的,所述方向滤波器组模块包括多级方向重构滤波器和图像数据缓存模块,其中,每级图像数据缓存模块的输入端与子带图像数据接收模块的输出端相连,输出端与同级的方向重构滤波器的输入端相连;并将同级的每两个方向重构滤波器的滤波结果相加后输入到后一级的图像数据缓存模块,且将最后一级的两个方向重构滤波器的滤波结果的相加结果作为每级方向滤波器组模块经多级方向滤波得到的高频子带图像,并将所述高频子带图像发送至对应的金字塔滤波器组模块;即每级方向滤波器组模块对来自子带图像数据接收模块进行k次迭代方向滤波重构:将每次方向滤波得到的结果相加作为下一次方向滤波的输入,直到得到一幅图像,即包含N个方向的高频子带图像;其中k与N的关系为:2k=N;
进一步的,所述金字塔滤波器组模块包含图像数据缓存模块和金字塔重构滤波器,所述图像数据缓存模块的输入端与对应级的方向滤波器组模块的输出端相连,用于输入方向滤波器组模块经多级方向滤波得到的高频子带图像;图像数据缓存模块的输出端与金字塔重构滤波器的输入端相连,且当前级的金字塔滤波器组模块的金字塔重构滤波器的输出端与后一级的金字塔滤波器组模块的图像数据缓存模块的输入端相连,同时还与重构图像输出模块相连,用于输出与尺度重构数目M相匹配的尺度重构图像。
综上,本发明的重构变换系统基于FPGA的非下采样轮廓波图像变换重构系统,在硬件上可以实现对非下采样轮廓波子带图像的方向和尺度重构,且计算精度高;通过采用分级滤波的方式,利用一组基准金字塔滤波器和方向滤波器构造了整个金字塔和方向滤波器组,减少了FPGA内部的资源占用;以及重构处理延迟较小,可实现图像的实时处理。
同时,本发明还公开了基于上述非下采样轮廓波图像变换重构系统的实现方法,包括如下步骤:
子带图像数据接收步骤:
通过子带图像数据接收模块多次并列输入待进行重构变换处理的子带图像,以及重构参数信号;
子带图像数据接收模块基于所述重构参数信号获取非下采样轮廓波的尺度重构数和方向重构数,分别记为M和N;
且首次并列输入的子带图像包括N幅待进行方向重构的子带图像和一幅低频子带图像,非首次并列输入仅包括N幅待进行方向重构的子带图像;
子带图像数据接收模块将首次输入的低频子带图像传输给对应的金字塔滤波器组,以及将每次并列输入的N幅待进行方向重构的子带图像按照输入批次分别传输给不同级的方向滤波器组模块;
滤波器系数存储步骤:滤波器系数存储模块在系统初始化阶段将所有滤波器系数存入FPGA内部存储模块中,供方向滤波器组模块和金字塔滤波器组模块在执行滤波操作时从滤波器系数存储模块中读取;
方向滤波器组滤波步骤:
每级方向滤波器组模块对来自子带图像数据接收模块进行k次迭代方向滤波重构:将每次方向滤波得到的结果相加作为下一次方向滤波的输入,直到得到一幅图像,即包含N个方向的高频子带图像,从而实现对N幅子带图像的方向重构;其中k与N的关系为:2k=N;
即本发明通过方向滤波器组模块实现对当前输入的N幅子带图像的多级方向滤波,从而得到对应的高频子带图像:第一级方向滤波实现子带图像的N方向到N/2方向的重构,第二级方向滤波在第一级的基础上实现了子带图像从N/2个到N/4方向的重构,……其中,每一次方向重构用到的滤波器系数都存放在滤波器系数存储模块中。
金字塔滤波器组滤波步骤:
每级金字塔滤波器组模块基于来自方向滤波器组模块的高频子带图像,以及从子带图像数据接收模块接收低频子带图像、或者从前一级金字塔滤波器组接收低频子带图像后,通过其重构高通滤波器对高频子带图像进行高通滤波,通过重构低通滤波器对低频子带图像进行低通滤波,再将两个滤波结果相加得到当前级金字塔滤波器组模块输出的低频子带图像;
且第M级金字塔滤波器组模块将低频子带图像传输至重构图像输出模块;
重构图像输出步骤:
重构图像输出模块接收来自金字塔滤波器组模块的低频子带图像,并按照预设格式输出。
综上所述,由于采用了上述技术方案,本发明的有益效果是:在硬件上可以实现对非下采样轮廓波子带图像的方向和尺度重构,计算精度高;处理延迟较小,可实现图像的实时处理。
附图说明
图1为本发明基于FPGA的非下采样轮廓波图像变换重构处理流程图;
图2为本发明基于FPGA的非下采样轮廓波图像变换重构系统方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
参照图1,本发明的基于FPGA的非下采样轮廓波图像变换重构处理技术,实现了对经非下采样轮廓波分解变换的子带图像的尺度和方向的重构,得到重构图像。对于待重构子带图像,按照时序,以分批次(总的批次数量对应尺度重构数目)的方式输入到本发明的重构变换系统中,其中首批次输入的子带图像包括一幅低频子带图像和N幅(方向重构数目)进行方向重构的子带图像;后续批次的输入则只包括N幅进行方向重构的子带图像;对于首次输入FPGA的各待重构子带图像(因本发明的重构变换系统基于FPGA构建,输入FPGA的待重构子带图像即输入本发明的重构变换系统的待重构子带图像),本具体实施方式中,为了实现对批次以及各批次的不同图像的区分,采用对应的图像序号(批次或者级数,每级的图号)进行区分,且通过图像序号还可以区分首批次中的低频子带图像,例如将低频子带图像的图像序号设置为首批次的第一个图编号。
对于输入的第一级待重构图像,首先利用方向滤波器组(NSDFB(nonsubsampleddirectional filter bank,非下采样方向滤波器组))对输入的N幅子带图像进行方向滤波,再将得到的结果相加,得到方向数量减半的子带图像;重复上述操作,每一次就得到数量减半的子带图像,直到最后得到了一幅包含所有方向的高频子带图像,从而实现对当前级待重构子带图像的方向重构;然后利用金字塔滤波器组对输入的低频子带图像,以及上述第一级方向重构得到的重构高频子带图像(图1中的NSDFB2的输出),分别用低通滤波器L和高通滤波器H进行金字塔滤波(NSPFB(nonsubsampled pyramid filter bank,非下采样金字塔滤波器组)),最后将滤波结果直接相加得到一幅重构低频子带图像(也称金字塔重构图像),至此,完成了图像的第一级金字塔重构;同时,对于第二级输入的N幅子带图像,利用方向滤波器组进行方向重构,得到对应当前级的重构高频子带图像,再通过第二级金字塔滤波器组将其与上一级得到的重构低频子带图像进行尺度重构,得到当前级的重构低频子带图像;如此重复,直到对最后一级的重构高频子带图像的尺度重构处理,得到一幅完整的图像,至此就实现了对子带图像的尺度重构。
参照图2,本发明的基于FPGA的非下采样轮廓波图像变换重构系统包括:系统初始化模块A,子带图像数据接收模块B,方向重构滤波器组模块C,金字塔滤波器组模块D,滤波器系数存储模块E和重构图像输出模块F。
其中,系统初始化模块A包含3个子模块,分别是时钟分频子模块、工作时钟选择子模块和复位信号产生子模块;其中工作时钟子模块与时钟分频子模块的输出端相连,同时工作时钟选择子模块与滤波器系数存储模块E的输出端相连;
子带图像数据接收模块B,用于接收输入的待重构子带图像,并将每次输入的待重构子带图像发送至匹配的方向滤波器组模块C、以及金字塔滤波器组D;同时还用于接收重构参数信号,所述重构参数信号包括尺度重构数目和方向重构数目,并将方向重构数目发送给方向滤波器组模块C,以及尺度重构数目发送给金字塔滤波器组D;其输出端分别与方向滤波器组模块C、金字塔滤波器组D的输入端相连;
严格来说,每批次输入FPGA的各子带图像可能存在先后顺序,为了解决每次输入可能存在的时间先后问题,以及进一步保证本系统的准确性,本发明可以通过输入图像的帧头部的序号来判断第几批次(第几级)的第几幅图像,通过在子带图像数据接收模块B中设置的一个子模块(子带图像匹配校准模块),用来判断输入的子带图像的序号,然后匹配到对应级别的方向重构滤波器组模块C,以及将其输入的低频子带图像匹配到第一级金字塔滤波器组D,同时还用于对输入的子带图像进行时序校准处理,以便于准确的确定每批次的N幅待进行方向滤波的子带图像,从而准确的送入对应的方向滤波器组模块。
输入图像进行时序校准,得到每级对应的N幅子带图像,并将每组N幅图像输入到对应的方向重构滤波器组模块C。此外,可以通过在子带图像数据接收模块B中设置的子模块——重构级数和方向数生成模块基于输入的重构参数信号中生成非下采样轮廓波的尺度重构数目(金字塔滤波器组D的级数)和方向重构数目(每级方向重构滤波器组模块C的方向滤波级数),即重构级数和方向数生成模块分别与各级方向滤波器组模块C的输入端相连,用以控制每级方向滤波器组模块C的方向滤波级数,以及分别与各级金字塔滤波器组D的输入端相连,用以控制金字塔滤波级数,即本系统中,预置有多级方向滤波器组模块C和金字塔滤波器组D,且各级方向滤波器组模块C又包括多级方向重构滤波器,当系统工作使用时,基于用户设置的尺度重构数目M确定工作的金字塔滤波器组D级数,以及基于方向重构数目N确定各级方向滤波器组模块C中工作的方向重构滤波器的级数K,为了便于表述,本具体实施方式中定义方向重构滤波器按照从前到后降序设置级数,最后一级的级数设置为1。然后通过子带图像数据接收模块B将每次并列输入的N幅子带图像发送至对应的方向滤波器组模块C中的第K(2K=N)级图像数据缓存模块(图2中所示的数据缓存模块),再从第K级方向重构滤波器(对应N方向重构滤波器)开始到第1级方向重构滤波器,对输入的N幅子带图像进行K次迭代方向滤波重构,第K级之后的方向重构滤波器不工作;若当前尺度重构数目为M,则控制第M级金字塔滤波器组D输出的滤波结果(重构低频子带图像)输入到重构图像输出模块F,且第M级以后的金字塔滤波器组D不工作,且前M级金字塔滤波器组D的重构低频子带图像依次输入到下一级金字塔滤波器组D中。
本重构变换系统包括多级方向滤波器组模块C和多级金字塔滤波器组模块D,即两者级数一一对应;各级方向滤波器组模块C包括多级方向重构滤波器和图像数据缓存模块,其中,每级图像数据缓存模块的输入端与子带图像数据接收模块B的输出端相连,输出端与同级的方向重构滤波器的输入端相连;同时,同级中的每两个方向重构滤波器的滤波结果相加后输入后一级的图像数据缓存模块(加法处理器件未在图2中标注),且最后一级的两个方向重构滤波器的滤波结果的相加结果即为输入到对应金字塔滤波器组模块D的包括N方向的方向重构结果图——高频子带图像。
各级金字塔滤波器组模块D包含图像数据缓存模块和金字塔重构滤波器(重构低通滤波器和重构高通滤波器);其中,图像数据缓存模块的输入端与对应级的方向滤波器组模块C的输出端相连,用于获取对应的高频子带图像;其输出端与金字塔重构滤波器(重构低通滤波器和重构高通滤波器分别对应一个图像数据缓存模块)的输入端相连;且每级金字塔滤波器组模块D的输出端与后一级的金字塔滤波器组模块D输入端相连,用于向后一级提供当前的尺度重构结果,即将当前级的重构低通滤波器和重构高通滤波器的滤波结果相加后,输入到后一级的图像数据缓存模块中;且每级金字塔滤波器组模块D的输出端还与重构图像输出模块F相连,用于满足不同尺度重构数目的结果输出。
所述滤波器系数存储模块E包含2个子模块,分别是金字塔重构滤波器系数存储子模块和方向重构滤波器系数存储子模块;其中,方向重构滤波器系数存储子模块与各级方向滤波器组模块C的输入端相连,用于确定各级方向滤波器组模块C的各级方向重构滤波器的滤波系数;金字塔重构滤波器系数存储子模块与各级金字塔滤波器组模块D的输入端相连,用于确定各级金字塔滤波器组模块D的金字塔重构滤波器的滤波系数;
重构图像输出模块F,用于对接收到的金字塔重构图像进行重构结果输出,该包括可设置为:包含多于原始图像数据2倍的存储空间,且输出的重构图像都与输入的子带图像的尺寸保持一致。
本系统的工作原理如下:
系统初始化模块A,用于上电后对系统进行初始化,并为FPGA提供统一的全局时钟信号和复位信号,系统初始化模块A与后端的所有模块(模块B~F)的输入端都相连;
子带图像数据接收模块B,子带图像数据接收模块B用于接收输入FPGA的多子带图像数据,以及基于输入的重构参数信号生成非下采样轮廓波的尺度重构和方向重构数目,根据每幅子带图像上的序号将子带图像和对应的方向滤波器进行匹配,并对输入子带图像进行时序校准,子带图像数据接收模块还与各级方向滤波器组模块C、金字塔滤波器组D的输入端的相连;
方向滤波器组模块C,基于用户输入的方向重构数目,对子带图像进行多级方向滤波以完成图像的方向重构,得到对应当前输入的高频子带图像;方向滤波器组模块C与金字塔滤波器组模块D的输入端相连;
金字塔滤波器组模块D,用于对子带图像进行多级金字塔滤波以完成图像的尺度重构,金字塔滤波器组模块D还与重构图像输出模块F的输入端相连,用于输出金字塔重构图像;
滤波器系数存储模块E,用于在FPGA内部存储所有滤波器的滤波系数,滤波器系数存储模块与金字塔滤波器组模块的输入端相连,也和方向滤波器组模块的输入端相连;
重构图像输出模块F,用于缓存非下采样轮廓波重构变换后得到的重构图像,并根据预设格式输出重构图像,重构图像输出模块F与金字塔滤波器组D的输出端相连。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。

Claims (8)

1.一种基于FPGA的非下采样轮廓波分解的子带图像变换重构系统,其特征在于,包括系统初始化模块,子带图像数据接收模块,多级方向滤波器组模块和金字塔滤波器组模块,滤波器系数存储模块和重构图像输出模块;
其中,系统初始化模块,用于上电后对系统进行初始化,并为FPGA提供统一的全局时钟信号和复位信号,系统初始化模块的输出端与子带图像数据接收模块、方向滤波器组模块、金字塔滤波器组模块、滤波器系数存储模块和重构图像输出模块的输入端相连;
子带图像数据接收模块,用于接收输入FPGA的多子带图像,以及接收重构参数信号,并基于所述重构参数信号生成非下采样轮廓波的尺度重构数目M和方向重构数目N;其输出端分别与各级方向滤波器组模块、金字塔滤波器组模块的输入端相连;
按照预设匹配方式,子带图像数据接收模块将每次输入的N幅待进行方向滤波的子带图像送入对应的方向滤波器组模块,以及将输入的低频子带图像送入第一级金字塔滤波器组模块;
方向滤波器组模块,用于对输入的N幅子带图像进行多级方向滤波以得到一幅方向重构图像,每级方向滤波器组模块的输出端分别与对应级的金字塔滤波器组模块的输入端相连,用于向金字塔滤波器组模块输出方向重构图像,即尺度重构所需的高频子带图像;
金字塔滤波器组模块,用于对输入高频子带图像和低频子带图像进行金字塔滤波,得到尺度重构图像;每级金字塔滤波器组模块的输出端与后一级金字塔滤波器组模块的输入端相连,用于向后一级金字塔滤波器组模块输出重构图像,即尺度重构所需的低频子带图像;且金字塔滤波器组模块的输出端还与重构图像输出模块的输入端相连,并基于尺度重构数目启动第M级金字塔滤波器组模块向重构图像输出模块的输出尺度重构图像;
滤波器系数存储模块,用于在FPGA内部存储所有方向重构滤波器和金字塔重构滤波器的滤波系数,其分别与各级金字塔滤波器组模块、方向滤波器组模块的输入端相连;所述金字塔重构滤波器包括重构低通滤波器和重构高通滤波器;
重构图像输出模块,用于接收和缓存来自金字塔重构滤波器的尺度重构图像,并按照预设格式输出。
2.如权利要求1所述的系统,其特征在于,所述子带图像数据接收模块还对输入的子带图像进行时序校准处理,以便于准确的将N幅待进行方向滤波的子带图像送入对应的方向滤波器组模块。
3.如权利要求1所述的系统,其特征在于,所述系统初始化模块包含3个子模块,分别是时钟分频子模块、工作时钟选择子模块和复位信号产生子模块;其中工作时钟子模块与时钟分频子模块的输出端相连,同时工作时钟选择子模块与滤波器系数存储模块的输出端相连。
4.如权利要求1所述的系统,其特征在于,所述方向滤波器组模块包括多级方向重构滤波器和图像数据缓存模块,其中,每级图像数据缓存模块的输入端与子带图像数据接收模块的输出端相连,输出端与同级的方向重构滤波器的输入端相连;并将同级的每两个方向重构滤波器的滤波结果相加后输入到后一级的图像数据缓存模块,且将最后一级的两个方向重构滤波器的滤波结果的相加结果作为每级方向滤波器组模块经多级方向滤波得到的高频子带图像,并将所述高频子带图像发送至对应的金字塔滤波器组模块。
5.如权利要求1所述的系统,其特征在于,所述金字塔滤波器组模块包含图像数据缓存模块和金字塔重构滤波器,所述图像数据缓存模块的输入端与对应级的方向滤波器组模块的输出端相连,用于输入方向滤波器组模块经多级方向滤波得到的高频子带图像;图像数据缓存模块的输出端与金字塔重构滤波器的输入端相连,且当前级的金字塔滤波器组模块的金字塔重构滤波器的输出端与后一级的金字塔滤波器组模块的图像数据缓存模块的输入端相连,同时还与重构图像输出模块相连,用于输出与尺度重构数目M相匹配的尺度重构图像。
6.如权利要求1所述的系统,其特征在于,所述滤波器系数存储模块包含2个子模块,分别是金字塔重构滤波器系数存储子模块和方向重构滤波器系数存储子模块;其中,方向重构滤波器系数存储子模块和金字塔重构滤波器系数分别与方向滤波器组模块和金字塔滤波器组模块的输入端相连。
7.如权利要求1所述的系统,其特征在于,所述重构图像输出模块的存储空间大于源图像对应的数据量的两倍。
8.基于权利要求1所述的子带图像变换重构系统的非下采样轮廓波分解的子带图像重构方法,包括如下步骤:
子带图像数据接收步骤:
通过子带图像数据接收模块多次并列输入待进行重构变换处理的子带图像,以及重构参数信号;
子带图像数据接收模块基于所述重构参数信号获取非下采样轮廓波的尺度重构数和方向重构数,分别记为M和N;
且首次并列输入的子带图像包括N幅待进行方向重构的子带图像和一幅低频子带图像,非首次并列输入仅包括N幅待进行方向重构的子带图像;
子带图像数据接收模块将首次输入的低频子带图像传输给对应的金字塔滤波器组,以及将每次并列输入的N幅待进行方向重构的子带图像按照输入批次分别传输给不同级的方向滤波器组模块;
滤波器系数存储步骤:滤波器系数存储模块在系统初始化阶段将所有滤波器系数存入FPGA内部存储模块中,供方向滤波器组模块和金字塔滤波器组模块在执行滤波操作时从滤波器系数存储模块中读取;
方向滤波器组滤波步骤:
每级方向滤波器组模块对来自子带图像数据接收模块进行k次迭代方向滤波重构:将每次方向滤波得到的结果相加作为下一次方向滤波的输入,直到得到一幅图像,即包含N个方向的高频子带图像;其中k与N的关系为:2k=N;
金字塔滤波器组滤波步骤:
每级金字塔滤波器组模块基于来自方向滤波器组模块的高频子带图像,以及从子带图像数据接收模块接收低频子带图像、或者从前一级金字塔滤波器组接收低频子带图像后,通过其重构高通滤波器对高频子带图像进行高通滤波,通过重构低通滤波器对低频子带图像进行低通滤波,再将两个滤波结果相加得到当前级金字塔滤波器组模块输出的低频子带图像;
且第M级金字塔滤波器组模块将低频子带图像传输至重构图像输出模块;
重构图像输出步骤:
重构图像输出模块接收来自金字塔滤波器组模块的低频子带图像,并按照预设格式输出。
CN201811528940.2A 2018-12-14 2018-12-14 一种基于fpga的非下采样轮廓波图像变换重构系统及方法 Active CN109727222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811528940.2A CN109727222B (zh) 2018-12-14 2018-12-14 一种基于fpga的非下采样轮廓波图像变换重构系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811528940.2A CN109727222B (zh) 2018-12-14 2018-12-14 一种基于fpga的非下采样轮廓波图像变换重构系统及方法

Publications (2)

Publication Number Publication Date
CN109727222A true CN109727222A (zh) 2019-05-07
CN109727222B CN109727222B (zh) 2023-04-14

Family

ID=66295927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811528940.2A Active CN109727222B (zh) 2018-12-14 2018-12-14 一种基于fpga的非下采样轮廓波图像变换重构系统及方法

Country Status (1)

Country Link
CN (1) CN109727222B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901476A (zh) * 2010-07-12 2010-12-01 西安电子科技大学 基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法
CN102222322A (zh) * 2011-06-02 2011-10-19 西安电子科技大学 基于多尺度非局部均值的红外图像背景抑制方法
US20130148871A1 (en) * 2011-12-08 2013-06-13 Samsung Electronics Co., Ltd. Method and apparatus for processing medical image
US20140119668A1 (en) * 2012-10-31 2014-05-01 Samsung Electronics Co., Ltd. Medical image processing apparatus and method for synthesizing and displaying medical image generated using multi-energy x-ray
KR101476173B1 (ko) * 2013-11-28 2014-12-24 서강대학교산학협력단 홍채 특징을 이용한 사용자 인증 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101901476A (zh) * 2010-07-12 2010-12-01 西安电子科技大学 基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法
CN102222322A (zh) * 2011-06-02 2011-10-19 西安电子科技大学 基于多尺度非局部均值的红外图像背景抑制方法
US20130148871A1 (en) * 2011-12-08 2013-06-13 Samsung Electronics Co., Ltd. Method and apparatus for processing medical image
US20140119668A1 (en) * 2012-10-31 2014-05-01 Samsung Electronics Co., Ltd. Medical image processing apparatus and method for synthesizing and displaying medical image generated using multi-energy x-ray
KR101476173B1 (ko) * 2013-11-28 2014-12-24 서강대학교산학협력단 홍채 특징을 이용한 사용자 인증 방법 및 시스템

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
LIANGLIANG LI: ""Remote Sensing Image Enhancement Based on Adaptive Thresholding in NSCT Domain"", 《2017 2ND INTERNATIONAL CONFERENCE ON IMAGE,VISION AND COMPUTING》 *
丁海勇等: "基于非下采样轮廓变换与模糊理论的遥感图像增强", 《国土资源遥感》 *
傅志中: ""可见光与红外图像融合设备的标准化研究与应用"", 《计算机软件及计算机应用》 *
唐诗: ""基于多尺度变换的无源毫米波图像融合算法研究"", 《中国优秀硕士学位论文全文数据库》 *
李贺等: "一种改进的基于多尺度变换的红外和可见光图像融合算法", 《半导体光电》 *
汤磊等: "基于非下采样Contourlet变换的多分辨率图像融合方法", 《信息与控制》 *
王小军: "基于非下采样Contourlet变换的多传感器图像边缘检测", 《现代电子技术》 *
王静静等: "基于Shearlet变换和多尺度Retinex的遥感图像增强算法", 《计算机应用》 *
陈建军等: "多尺度和多方向特征的图像去噪", 《重庆大学学报》 *

Also Published As

Publication number Publication date
CN109727222B (zh) 2023-04-14

Similar Documents

Publication Publication Date Title
Zhou et al. Fedformer: Frequency enhanced decomposed transformer for long-term series forecasting
CN111814656B (zh) 一种基于对抗生成网络的心电信号降噪方法
CN108464014A (zh) 超声信号处理电路系统和相关设备及方法
Basseville et al. Modeling and estimation of multiresolution stochastic processes
JP6073627B2 (ja) 磁気共鳴イメージング装置及び画像処理装置
CN105184819B (zh) 用于医学图像重建参数寻优的客观图像质量评价方法
CN106485764A (zh) Mri图像的快速精确重建方法
CN106788714B (zh) 一种基于光学计算的稀疏解混方法
WO2009098371A2 (fr) Procede de reconstruction d'un signal a partir de mesures experimentales perturbees et dispositif de mise en oeuvre
Sicat et al. Sparse PDF volumes for consistent multi-resolution volume rendering
CN106209703B (zh) 一种跳频信号参数盲估计方法及装置
CN109932816A (zh) 基于连通域优化的超记忆效应范围非侵入式散射成像方法
Colbert et al. A competitive edge: Can FPGAs beat GPUs at DCNN inference acceleration in resource-limited edge computing applications?
CN105447818A (zh) 基于变密度频域稀疏测量的图像重构方法
CN105093893B (zh) 时空三维相位解包裹的方法和装置
CN109727222A (zh) 一种基于fpga的非下采样轮廓波图像变换重构系统及方法
CN107346535A (zh) 基于多尺度几何分析和pca变换的高光谱遥感图像融合方法
Guan et al. Medical image fusion algorithm based on multi-resolution analysis coupling approximate spare representation
Jentzsch et al. RadioML meets FINN: Enabling future RF applications with FPGA streaming architectures
RU2753591C1 (ru) Способ сжатия и хранения трехмерных данных (варианты)
CN117097876B (zh) 基于神经网络的事件相机图像重建方法
WO2024021796A1 (zh) 一种图像处理方法、装置、电子设备、存储介质及程序产品
Rapp et al. Image-based visualization of large volumetric data using moments
CN103714572B (zh) 基于光谱重构的三步高光谱图像融合方法
Cole et al. Learned compression of high dimensional image datasets

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
GR01 Patent grant
GR01 Patent grant