137971_lection1
Download
Report
Transcript 137971_lection1
Методы обработки и
распознавания изображений
Раздел 1.
Лекция 1.
Методы обработки изображений.
Фильтрация изображений в пространственной области.
Виды цифровых фильтров.
Лектор – проф. Тропченко А.Ю.
Методы цифровой фильтрации
изображений
• В пространственной области:
•
•
•
Нерекурсивная фильтрация;
Рекурсивная фильтрация;
Адаптивная фильтрация.
• В частотной области:
•
•
•
•
На основе ДПФ;
На основе ДПХ;
На основе преобразования Уолша-Адамара;
На основе вейвлет-преобразования (пространственно-частотного
преобразования.
• Нелинейная фильтрация:
•
•
•
Ранговая фильтрация;
Взвешенная ранговая фильтрация;
Обратная ранговая фильтрация.
Области применения фильтрации в цифровой
обработке сигналов
Медицина
- Подавление помехи с частотой 50 Гц в электрокардиографии
- Подавление помехи донорского сердца в электрокардиографии при его трансплантации
- Подавление ЭКГ матери в фетальной электрокардиографии
Коммерция
- Предварительная обработка аудио и видео данных с целью обеспечения более эффективного сжатия
- Подавление артефактов сжатия после декомпресии мультимедийных данных
- Разработка фильтров для создания различных преобразований над мультимедийными данными
Обработка речевых сигналов
- Подавление помех при передачи речи в условиях сильного шума – системы сотовой связи
- Подавление отражений в длинных линиях
Задачи навигации
- Фильтрации сигналов в радиолокации, гидроакустике
- Ультразвуковая локация
Промышленность
- Проверка качества поверхностей
- Обеспечение работы электронных устройств в условиях помех
Искусство
- Использование интерферограмм для определения подлинности предметов искусства
Классификация
фильтров
Цели и задачи работы
Цифровые фильтры
Рекурсивные
БИХ
Нерекурсивные
Адаптивные
КИХ
Нерекурсивные фильтры
Обобщенная структура нерекурсивного фильтра.
Z-1
y(n)
h0
X
h1
Z-1
X
Z-1
h2
X
Z-1
hN-1
X
∑
xˆ (n)
Выход фильтра определяется выражением:
N 1
xˆ (n) y(n k )hk
k 0
Рекурсивные фильтры
Обобщенная структура рекурсивного фильтра первого порядка.
a0
+
y(n)
xˆ (n)
∑
X
+
X
Z-1
bn
Формула расчета выхода рекурсивного фильтра первого порядка
xˆ(n) b0 (n) xˆ(n 1) a0 (n) y(n)
Фильтр Винера-Хопфа
В нерекурсивном устройстве оценки оценка xˆ (n) определяется в виде конечного
линейного полинома y(n):
N 1
xˆ (n) y(n k )hk
k 0
где hk – отдельные веса в структуре нерекурсивного фильтра КИХ-типа
Уравнение Винера – Хопфа:
PT=HTopt R
где
P=E{x(n)Y(n)} – взаимная корреляция между входным сигналом и
оцениваемым параметром;
R=E{Y(n)YT(n)} – автокорреляционая матрица входной сигнальной
последовательности.
Фильтр Калмана
Обобщенная структура рекурсивного фильтра Калмана.
k(n)
y(n)
+
∑
+
∑
X
–
x(n)
+
x(n-1)
y(n)=acx(n-1)
X
X
ax(n-1)
[Предсказание y(n)]
c
Z1
a
Уравнение рекурсивного устройства оценки первого порядка, или
скалярного фильтра Калмана:
x(n)=ax(n-1)+k(n)[y(n)+acx(n-1)]
Алгоритм нелинейного
рекурсивного фильтра Калмана
• Особенности алгоритма:
– Переход от матричной к скалярной
модели вычислений
– Модификация алгоритма Калмана к
нелинейной форме.
– В качестве сглаживающей выбрана
косинусоидальная функция
Аппаратная платформа для
систем ЦОС
•
С программным принципом реализации алгоритмов
- Универсальные микропроцессоры
- Транспьютеры
- Сигнальные процессоры
•
С аппаратной реализацией алгоритмов
- Заказные специальные СБИС
- Базовые матричные кристаллы
- ПЛИС
Структурная схема сигнального
процессора семейства TMS320С30
RAM
BLOCK 0
(1K x 32)
CACHE
(64x32)
32
24
24
RAM
BLOCK 1
(1K x 32)
32
24
32
ROM
BLOCK
(4K x 32)
24
32
PD ATA BU S
P ADDR BU S
- RDY
- HOLD
M
- ST RB
U
- R / W
D
32
A
24
- XRDY
D DATA BUS
- HOLDA
- MST RB
M
- IOST RB
U
D ADD R1 BUS
X
ИСВ
- XR / W
XD
X
XA
D ADD R2 BUS
D
32
DMA D ATA BUS
A
24
13
800000 - 801FFF (8K) для
804000 - 805FFF (8K) для
Пос лед.
порт
№0
DMA AD DR BU S
24
32
32
Пос лед.
порт
№1
24
Т аймер
MUX
CPU1
CPU2
REG1
REG2
32
32
32-х р. коль ц.
сдвиг . рег .
АЛ У
Т аймер
40
32
Рег истры
расш -ой
точности
(R0-R7)
ARAU 0
DMA
Рг . адр. источн.
40
Рг . адр. п риемн.
Рг . с четчика
пересылок
32
ARAU 1
Всп омог .
рег ис тры
32
(AR0 - AR7)
32
Друг ие
рег ис тры
(12)
32
24
32
32
32
T CLK0
T CLK1
8097FF
Контроллер
40
DISP, IR0,
IR1
6
№1
Pг . общ. упр.
40
808000
6
№0
40
Умнож.
M
I / O
Классификация ПЛИС
ПЛИС
SPLD
CPLD
Классические
FPGA
Комбинированной
архитектуры
FPGA
Структура ПЛИС Altera Stratix II
M512-RAM
Blocks
IOEs
IOEs
IOEs
IOEs
IOEs
IOEs
IOEs
IOEs
IOEs
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
M
1
M
1
M
1
M
1
M
1
M
1
M
1
M
1
M4K-RAM
Blocks
IOEs
IOEs
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
DSP
Bloc
k
DSP
Bloc
k
IOEs
M
2
M
2
M
2
M
2
M
2
M
2
M
2
M
2
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
LAB
s
IOEs
M
1
M
1
M
1
M
1
LAB
s
LAB
s
LAB
s
LAB
s
M-RAM
Block
M
1
M
1
M
1
M
1
Результаты оценки эффективности применения ПЛИС и
процессоров DSP для выполнения преобразования Фурье
Время выполнения быстрого целочисленного преобразования
Фурье для 256 отсчетов (мкс)
3
2,5
2
1,5
1
0,5
0
Altera Stratix II
EP2S15F484C3
Xilinx Virtex 4
XC4VSX25
TigerSHARC
ADSP-TS201S
Texas Instr.
TMS320C6455
Структурная схема дискретного нелинейного
фильтра Калмана для реализации на ПЛИС
Управляющий
счетчик
Блок расчета
амплитуды
Входной
сигнал s(k)
A(k-1)
Блок расчета
коэффициентов
А(k)
φ(k)
σ2
R
Блок расчета
фазы
φ(k-1)
s0(k-1)
Блок расчета
частоты
Массив хранения
данных (параметры
фильтрации, таблицы
синусов и косинусов)
Блок расчета
фоновой
составляющей
u(k)
s0(k)
Результаты реализации алгоритма
Калмана на ПЛИС и процессорах DSP
Максимальная частота сканирования сигнала интерферограммы (МГц)
25
20
15
10
5
0
Stratix II
Cyclone II
TMS320C6455
Заключение
•
•
•
В результате рассмотрения классических видов фильтров сделан вывод о том,
что метод рекурсивной фильтрации Калмана предпочтителен над
нерекурсивной Винеровской фильтрацией, так как обладает большей
эффективностью.
В результате анализа современного рынка различных платформ для
реализации цифровой обработки сигналов было установлено, что: наиболее
перспективными платформами для реализации устройств цифровой обработки
сигналов являются сигнальные процессоры и микросхемы ПЛИС.
Реализация алгоритма скалярной нелинейной фильтрации Калмана на ПЛИС и
сигнальных процессорах показала, что в подобных задачах использование
микросхем ПЛИС более эффективно.
Методы обработки и
распознавания изображений
Раздел 1.
Лекция 2.
1.2.Методы обработки изображений в частотной области.
Спектральная обработка изображений.
Виды дискретных ортогональных преобразований.
Лектор – проф. Тропченко А.Ю.
Спектр ДКП отдельного фрагмента изображения
DCP Cb 1
Квантование для сжатию коэффициентов ДКП:
zkl=round(ykl/qkl)=(yklqkl/2 )/qkl , k,l=0,1,...,7,
Диагональное «зиг-заг» сканирование спектральных компонент
МАТЕМАТИЧЕСКИЕ СООТНОШЕНИЯ, ПОЛОЖЕННЫЕ В
ОСНОВУ МОДИФИЦИРОВАННОГО МЕТОДА JPEG
Двумерное преобразование Хартли
H k l x mn cas 2 k m ln / N
m
n
Модифицированное двумерное преобразование Хартли
H kl^ x mn cas ( 2km / N ) cas ( 2 ln/ N )
N
N
n
m
H k l H k^l H k^, l H ^k , l H ^k , l / 2
Ядро преобразования Уолша-Адамара для N =2 m есть результат
кронекеровского произведения m матриц ДЭФ E2 размера 2х2 :
m
AN E2(i) ; ,
i1
A8 E2 E2 E2 A4 E2
1
1
1
1
1
1
1 1
1
1
1
1 1 1
1
1
1
1 1 1 1
1
1 1
1
1
1 1 1 1 1 1
1 1 1 1 1 1
1 1
1 1 1
1
1
1
1
1 1
1
1
1
1 1
1 1 1
1 1 1
1 1
1
1
Матрица ядра преобразования Хаара:
1
1
X8
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
0
1
1
0
0
1
0
0
0
1
0
0
1
0
0
1
0
0
1
0
0
0
0
0
1
0
1
0
0
1
0
1
0
0
0
0
0
0
0
0
0
0
1
1
1
0
1
Быстрые ортогональные преобразования в двузначных базисах
m 1, M
l=2
m-1
,
k ( n ) mod l
fk,m = fk,m-1 + fk+l,m-1
fk,m = fk,m-1 - fk+l,m-1
k 0,2 m 1 1
n 0, N 1
,
,
,
- текущий индекс
элеме нта векто
ра, k - номер Б0 при обработке блока,
N 2 m - длина б лока, F ( 0 ) X для m=0.
A
P
E2
B
Q
P A B
Q A B
Граф алгоритма быстрого преобразования Уолша-Адамара
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
E2
0
0
1
1
2
2
3
3
4
4
5
5
6
6
7
7
8
8
9
9
10
10
1
1
1
1
12
12
13
13
14
14
15
15
E2
E2
E2
E2
E2
E2
E2
E2
Граф быстрого преобразования Хаара