多分辨率重采样压缩算法硬件系统体系结构研究

主要介绍基于多分辨率重采样算法的图像实时压缩系统体系结构设计。文章首先简要描述多分辨率重采样图像压缩算法 ,然后探讨以硬件系统实现该算法所可能采取的多种不同体系结构。在分析比较各种体系结构特点基础上 ,重点阐述以大规模专用集成电路作为系统核心的体系结构 ;为完成多分辨率重采样图像压缩专用集成电路设计 ,对压缩算法进行了并行化、模块化、层次化处理 ,提出实现多分辨率重采样图像压缩算法的超大规模集成电路结构 ,并且以可编程序门阵列实现。实验结果表明 ,以该结构实现的硬件压缩系统 ,在保证恢复图像质量前提下 ,体积小、质量轻、功耗低、数据处理速度快 ,在原理上 ,满足星载环境对图像压缩系统的质量与处理速度要求     

基于注意力机制的跨分辨率行人重识别

行人图像分辨率的变化对现有的行人重识别方法带来了很大的挑战。针对这一问题，提出了一种新的跨分辨率行人重识别方法。该方法从两方面解决分辨率变化带来的识别困难:一方面通过通道注意力机制和空间注意力机制捕捉人物特征获取局部区域；另一方面通过核动态上采样模块恢复任意分辨率图像的局部区域信息。为了验证所提方法的有效性，在Market1501、CUHK03和CAVIAR三个公开数据集上开展了对比实验，实验结果表明:所提方法取得了最佳性能。      

一种基于FPGA的图像自动增强算法与实现

图像灰度分布不均匀是影响画质的重要因素，集中表现在对空间场景成像时，图像中存在大量过亮或过暗的区域.同时，算法的实时性和嵌入式平台的可实现性是设计实现空间应用载荷需要着重考虑的问题.针对上述问题，提出一种适合于FPGA实现的图像自动增强算法.算法以分段线性变换方法为基础，采用K均值聚类对视频图像的灰度直方图进行动态的区间划分；构建分段函数系数与直方图之间的定量关系，自动计算线性变换系数；采用高效的并行流水线结构设计，实现了基于FPGA的硬件处理系统.仿真和成像试验结果表明，该FPGA硬件系统实时性好，适应性强，针对不同的场景均取得较好的处理效果，具有广阔的应用前景.      

面向星载应用的空间域四叉树层次化图像压缩算法

为满足卫星应用领域对高分辨率遥感图像实时传输与存储的要求，针对该类图像特征，提出基于空间域四叉树数据结构的图像数据亚采样与多模式自适应预测编码相结合的压缩算法。该算法使用四叉树数据结构与三种预测编码模式，针对图像块纹理差别，自适应地选取相应的亚采样与量化编码方式，通过采样方式与量化方式的变化，达到保存高分辨率遥感图像细节与小目标绝不丢失的要求，实现了对遥感图像中目标边缘和变化剧烈的细节的高保真效果，同JPEG相比，恢复图像峰值信噪更高、图像纹理细节保持能力更强。利用具有可编程序门阵列器件物理实现上述算法，获得高速图像压缩专用芯片，该芯片数据处理速度达到288Mbit／s，功耗低于1W。     

基于最小值通道与对数衰减的图像融合去雾算法

雾天各类图像采集系统获取的图像颜色退化，细节模糊，严重影响户外成像系统的稳定性和有效性，因此研究图像去雾技术很有必要。针对暗通道一类去雾算法边缘去雾不彻底问题，提出一种基于最小值通道与对数衰减的融合去雾算法。首先，对有雾图像的最小值通道图进行对数衰减作为先验假设条件，再进行交叉双边滤波消除纹理效应，在操作前后分别进行下采样和上采样操作以提高运算速度，求出初始透射率；然后，用Canny算子检测最小值通道图得到的边缘进行对数衰减，得到边缘信息图，将初始透射率与边缘信息图进行加权融合构成优化透射率；最后，结合改进的四叉树搜索法求得的大气光值反解大气散射模型，恢复无雾图像。实验结果表明:所提算法可以有效抑制光晕现象，去除边缘残雾，且实时性好。      

深度学习机制与小波融合的超分辨率重建算法

深度学习技术在超分辨率重建领域中发展迅速。为了进一步提升重建图像的质量和视觉效果，针对基于生成对抗网络（GAN）的超分辨率重建算法重建图像的纹理放大后不自然的问题，提出了一种结合小波变换和生成对抗网络的超分辨率重建算法。所提算法在生成对抗网络中将小波分解的每个分量在各自独立的子网中进行训练，实现网络对小波系数的预测，有效地重建出具有丰富的全局信息和局部纹理细节信息的高分辨率图像。实验结果表明，对比基于生成对抗网络的算法，所提算法重建图像的客观评价指标峰值信噪比（PSNR）和结构相似性分别能提高至少0.99 dB和0.031。      

基于图卷积网络的卷积神经网络耗时预测算法

通过可学习的预测算法获取卷积神经网络(CNN)在硬件上的推理耗时越来越受到研究者的关注。现有耗时预测算法主要面临2个问题:卷积神经网络设计空间采样复杂度高，数据采集成本高；无法准确预测硬件编译器的算子融合技术对推理耗时的影响。为了解决上述问题，提出了一种基于图卷积网络(GCN)的耗时预测算法, 将整体网络耗时看作多节点耗时补偿的累加，并利用图卷积对结构算子融合产生的耗时影响进行建模。同时，提出一种新型差分训练方案，减少采样空间规模，提高算法的泛化能力。在HISI3559硬件平台上对MB-C连续空间采样模型的耗时预测实验表明:所提算法可将耗时估计的平均相对误差从传统算法的302%降低到5.3%。另外，通过将传统耗时预测算法替换成所提算法进行耗时评估，可以使网络结构搜索算法搜索到耗时更加接近目标的高精度网络。      

基于改进Faster R-CNN的SAR图像飞机检测算法

在合成孔径雷达（SAR）图像分析领域，飞机作为一种重要目标，对其的检测越来越受到重视。针对传统SAR图像飞机检测算法需要人工设计特征且鲁棒性较差的问题，提出了一种基于改进Faster R-CNN的SAR图像飞机检测算法。制作了一个SAR图像飞机数据集（SAD），以Faster R-CNN为检测框架，利用改进k-means算法设计更合理的先验锚点框，以适应飞机目标的形状特点；借鉴inception模块思想，设计多路不同尺寸卷积核以扩展网络宽度，增强对浅层特征的表达；分析残差网络Layer5层的特征输出具有更大的感受野，对其上采样后进行特征融合以利用更多的上下文信息；同时引入Mask R-CNN算法中提出的RoI Align单元，消除特征图与原始图像的映射偏差。实验结果表明:相比原始的Faster R-CNN算法，所提改进的Faster R-CNN算法在SAR图像飞机数据集上平均检测精度提高了7.4%，同时保持了较快的检测速度。      

基于CLEAN算法对一维综合孔径辐射计成像误差的校正

对于天线单元数较少的一维综合孔径微波辐射计，系统的采样基线数有限，导致辐射计对目标在空间频率域的采样产生截断，在成像结果中引起明显的吉布斯误差.实际应用中通常选择加窗函数来抑制吉布斯误差，但是加窗函数会降低辐射计系统的空间分辨率.为抑制一维综合孔径辐射计成像的吉布斯误差，提出了基于CLEAN算法的校正算法.针对目前已完成的8单元辐射计地面样机系统，通过仿真实验，验证了CLEAN算法对于抑制辐射计成像结果中吉布斯误差的有效性.      

基于自适应注入模型的遥感图像融合方法

遥感图像融合的目的是融合高光谱分辨率、低空间分辨率的多光谱（MS）图像和高空间分辨率、低光谱分辨率的全色（PAN）图像,得到高光谱分辨率与高空间分辨率的融合图像。遥感图像的注入模型中如何确定注入细节及注入系数是该技术研究的关键。针对注入细节优化,先通过模拟MS传感器的特性来定义一种多尺度高斯滤波器,再用该滤波器卷积PAN图像以提取细节,得到与MS图像高度相关的细节。针对注入系数优化,综合考虑光谱信息与细节信息提出一种自适应的注入量系数。为更好地保留边缘信息,提出一种新的边缘保持权重矩阵,实现光谱信息与空间的双保真。将优化后的注入系数与注入细节相乘注入到上采样后的MS图像中,得到融合结果。对所提方法进行性能分析,并在各卫星数据集上进行大量测试,与一些先进的遥感图像融合方法进行对比,实验结果表明,所提方法在主观与综合客观指标上都能达到最优。      

变码长图像编码数据实时解码器的设计与实现

给出了基于空间得采样图像压缩方法实时解码器的设计与实现。解码器的设计针对压缩编码算法的多模式处理及变码长的特点，找到一套简单有效的措施，实现了有非匀速环节的解码算法，设计中通过灵活的数据并串相互转换很好的控制了解码过程的变码长、非匀速问题，同时精细的并行流水线结构和高效的算术运算设计为提高解码器的速度性能，为高速下实现实时解码提供了保证。最终基于FPGA实现的解码器工作速度可达264Mbit/s。     

面向星载应用的图像压缩专用芯片研制

以高数据吞吐量和低系统结构复杂性为优化目标,根据图像传感器输出特点,综合应用双缓存、数据流驱动、并行处理与流水线设计、同步电路设计等多项关键技术,设计了具有数据处理速度和超大规模集成电路VLSI(Very Large Scale Integrated)结构复杂性最佳匹配的空间域重采样压缩算法VLSI结构,该结构的压缩性能仅与图像宽度相关,与图像传感器输出时序无关,既可以采用外部时钟,又可使用与图像传感器相同的时钟源,在这2种情况下,都能够保证在无限长时间内,在连续工作状态下,每个时钟周期实时处理一个图像数据.实践证明,基于该VLSI结构的压缩专用芯片,处理速度快,功耗低,满足星载应用高速实时与低功耗要求.      

高效AVS环路滤波器结构设计

为满足AVS高清视频实时解码要求,提高环路滤波处理速度,提出了一种高效的AVS去块效应环路滤波的实用结构.将8×8块进一步分割为4×4块进行滤波运算.通过优化滤波顺序,将需要滤波的4×4块边界尽量集中,在读写数据的同时进行滤波操作,提高流水处理的效率和数据的利用率,从而有效地减少了滤波处理总的时钟数.实验结果显示,处理一个宏块只需要196个周期,相对于目前AVS环路滤波设计,速度提高50%.在100MHz工作频率下,能够支持AVS高清视频的实时解码滤波处理.     

星载高速图像数据压缩原理样机的研制

针对星上高速遥感数据实时压缩要求,选用多模式自适应量化压缩算法,设计了同步并行阵列与流水线相结合的压缩系统体系结构,并以可编程序门阵列物理实现.采用四路压缩系统并行的阵列结构,研制成功高速数据压缩原理样机,数据处理速度大于1000Mbit/s,恢复图像平均峰值信噪比大于40dB.      

空地量子密钥分发网络中数据协调方案

在空地量子密钥分发网络中，空中平台的硬件设备限制使得后处理阶段数据传输速度以及处理能力减弱。针对空中平台的特性，提出了一种适合空地量子密钥分发网络的数据协调方案。首先，采用量子纠错技术减少原始密钥的误码率；其次，设计了一种新方法用来制备低密度奇偶校验（LDPC）译码算法中的随机置换序列；最后，兼顾LDPC译码算法性能和算法硬件实现复杂度，选取了软判决中最小和译码算法。仿真分析表明:量子纠错处理后的原始密钥误码率明显减少，错误率由29.5%减少为4.4%；使用新方法生成随机置换序列，在保证序列随机性的前提下效率提升，生成长度为10 000的随机置换序列所用时间约为0.019 s；LDPC译码算法中最小和译码算法性能适中且硬件实现简单。      

一种图像缩放算法的SoC协同加速设计方法

针对无人机自主着陆的跑道检测、识别、跟踪等视觉算法中需要对大量图像进行缩放处理以便后续计算,但又对实时性要求比较高的情况,根据输入输出像素点的映射关系提出了一种适用于硬件加速的图像缩放算法,简化算法结构的同时利用现场可编程门阵列进行模块硬件功能的设计对算法加速,并采用软硬件协同的体系结构搭建实时图像处理系统。实验结果表明,该缩放算法处理精度高、耗时少,且用硬件逻辑实现后,可以进一步提速171倍,硬化后的系统可以通过摄像头获取图像数据,实时处理后在显示器中显示,达到30帧/s的处理速度,可以应用于实时性要求较高的图像处理算法中。      

基于FPGA的低复杂度快速SIFT特征提取

尺度不变特征变换（SIFT）算法具有优良的鲁棒性,在计算机视觉领域得到广泛应用。针对SIFT算法高计算复杂度而导致其在CPU上运行实时性低的问题,基于现场可编程门阵列（FPGA）设计了一种低复杂度的快速SIFT硬件架构,主要对算法的特征描述符提取部分进行优化。通过降低梯度信息（包括梯度幅值和梯度方向）的位宽、优化高斯权重系数的产生、简化三线性插值系数的计算和简化梯度幅值直方图索引的求解等方法,避免了指数、三角函数和乘法等复杂计算,降低了硬件设计复杂度和硬件资源消耗。实验结果显示,提出的低复杂度快速SIFT硬件架构,与软件相比,可以获得约200倍的加速;与相关研究相比,速度提高了3倍,特征描述符稳定性提高了18%以上。      

一种面向无线视频流的包调度算法

以终端系统为研究对象,给出了一种端到端的无线网络视频流系统结构.在一个GOP(Group Of Picture)中,各个视频包VP(Video Packet)对视频解码质量影响不同,据此定义了视频帧 的重要性系数.在此基础上提出了一种基于视频帧重要性的无线视频流包调度算法WV SPSA(Wireless Video Streaming oriented Packet Scheduling Algorithm),该算法能够根据视频帧的重要性动态调整视频帧的发送次序.仿真结果表明,所提出的视频流系统结构合理,WVSPSA算法性能优于目前主流的EDF(Earliest Deadline First )算法.