Renkli video geliştirme algoritmaları için temel teknolojilerin FPGA uygulaması
Yang Xuebo1, Li Lei1, Chen Guangtuo2
(1. Elektronik Bilimi ve Teknolojisi Enstitüsü, Çin Elektronik Bilimi ve Teknolojisi Üniversitesi, Chengdu 611730, Sichuan; 2. Elektronik Mühendisliği Fakültesi, Chengdu Bilgi Teknolojisi Üniversitesi, Chengdu 610000, Sichuan)
Video ekipmanının hızla gelişmesiyle birlikte, izleme ekipmanı, sürüş kaydediciler ve cep telefonları ve diğer elektronik ürünler gibi dijital video ile ilgili uygulamalar da hızla gelişmiştir. Günümüzde dijital video görüntü iyileştirme algoritmaları sonsuz bir şekilde ortaya çıkmaktadır.Algoritmaların nispeten yüksek karmaşıklığı nedeniyle, gerçek zamanlı performansın temel gereksinimlerini karşılamak zordur. Retinex modeline dayalı olarak görüntü piksellerini ve yapılandırılabilir genişletme ölçeğini işlemenin anahtar teknolojisini tartıştı, temel modülleri uyguladı ve simüle etti ve sonunda bunu FPGA (Vertex-5) aracılığıyla gerçekleştirdi, sistem saati 125 MHz idi, bu da 30 f / s'yi karşılayabilir (2000 × 2.048) piksel resim.
retinex; video geliştirme; FPGA; gerçek zamanlı işleme
TP317.4
Belge tanımlama kodu: Bir
10.16157 / j.issn.0258-7998.2016.11.008
Çince alıntı biçimi: Yang Xuebo, Li Lei, Chen Guangtuo. Renkli video geliştirme algoritmaları için anahtar teknolojilerin FPGA uygulaması Elektronik Teknoloji Uygulaması, 2016, 42 (11): 37-39, 43.
İngilizce alıntı biçimi: Yang Xuebo, Li Lei, Chen Guangtuo, ve diğerleri.Renkli video geliştirme algoritması ve FPGA uygulamasının anahtar teknolojisi.Elektronik Tekniğin Uygulanması, 2016, 42 (11): 37-39, 43.
0 Önsöz
Video geliştirme teknolojisi, tıbbi elektronik, endüstriyel kontrol, tüketici elektroniği ve derin uzay araştırmaları gibi çok çeşitli uygulamalara sahiptir. Retinex teorisi, 1971'de Edwin Land tarafından önerildi. Retinex modeline göre, daha yaygın olarak kullanılan tek ölçekli Retinex algoritması (Tek Ölçekli Retinex, SSR), çok ölçekli Retinex algoritması (Çok Ölçekli Retinex, MSR), renk düzeltmeli çok ölçekli Retinex algoritması (Renk Restorasyonlu Çok Ölçekli Retinex, MSRCR), ayrımcılık çerçevesine dayanan Retinex algoritması gibi önsel modellere dayanan algoritmalar, ancak bu algoritmanın yüksek karmaşıklığı çok fazla donanım kaynağı tüketecek ve pratikte iyi uygulanamayacaktır. Tek ölçekli veya çok ölçekli Retinex algoritması, görüntü geliştirme üzerinde aynı etkiye sahiptir.Çok ölçekli Retinex algoritmasının ana donanım yapısı, tek ölçekli Retinex algoritma donanım devresinin yeniden yapılandırılmasıdır. Bu makale, video geliştirme algoritması donanımının temel teknolojisinin araştırılmasını amaçlamaktadır, bu nedenle tek ölçekli Retinex algoritması benimsenmiştir.Ancak böyle bir algoritma için CPU, video işleme sürecindeki gerçek zamanlı gereksinimleri karşılayamaz. Bu makale, 30 f'yi karşılayabilen 125 MHz frekanslı bir FPGA kullanır / s (2000 × 2.048) piksel görüntüsü.
Bu makale esas olarak, görüntü pikselleri ve genişletme ölçekleri temelinde yapılandırılabilen Retinex tabanlı temel algoritmaları tartışmaktadır. Farklı piksel videolarına uyum sağlayabilen bir donanım mimarisi önerilmiştir. Anahtar modüllerin tasarımını ve simülasyonunu gerçekleştirin, tüm tasarımı Vertex-5 FPGA aracılığıyla gerçekleştirin ve son olarak algoritmanın işleme etkisini değerlendirin.
Retinex modeline dayalı 1 Video geliştirme algoritması
Şekil 1, video geliştirme Retinex algoritmasının bir akış şemasıdır. Videodaki kare görüntüsü gri çerçeve görüntüsü V, kroma kare görüntüsü S ve doygunluk kare görüntüsü H'den RGB'ye dönüştürülür. Aydınlık çerçeve görüntüsünü tahmin edin, uygun germe işleminden sonra aydınlatma bileşeni V2'yi ve ters bileşen görüntüsü V3'ü elde edin. Germe işleminden ve kompozit işlemden sonraki görüntü O, işlenen görüntünün bir çerçevesidir.
1.1 RGB'den HSV'ye
RGB renk alanı görüntülerinin doğrudan işlenmesi renk bozulmasına neden olacağından, renk uzayının dönüştürülmesi gerekir.
1.2 Açık renkli görüntüyü çıkarın ve renkli görüntüyü ters çevirin
Orijinal çerçeve görüntüsü I (x, y) iki parçaya ayrılabilir. Denklem (1) 'de gösterildiği gibi, bir kısım aydınlatılmış çerçeve görüntüsü L (x, y) ve diğer kısım yansıtılan çerçeve görüntüsü R (x, y)' dir.
Bu yazıda aydınlatma tahmini için Gauss filtresi kullanılmıştır ve yüksek frekanslı bileşenler (görüntünün ayrıntıları ve gürültüsü) filtrelenmiştir.
1.3 Yansıtılmış çerçeve bileşeni işleme yöntemi ve aydınlatma bileşeni işleme
Yansıma bileşeni, sigmoid işlevi tarafından doğrusal olmayan bir şekilde uzatılabilir. Bu şekilde, kullanışlı ayrıntılar güçlendirilirken gürültü iyi bir şekilde bastırılabilir.
1.4 HSV görüntüden RGB görüntüye dönüştürme
RGB renk alanı, kırmızı, yeşil ve mavi olmak üzere üç renkten oluşur ve ekranın görüntülenmesi için kullanılır, böylece HSV görüntüsü RGB görüntüsüne dönüştürülür.
2 Video geliştirme donanım mantık mimarisi
Uyarlanabilir video geliştirme VLSI mimarisi Şekil 2'de gösterilmektedir. Şekil 2'deki çerçeve FPGA uygulama kısmıdır ve çerçeve dışındaki kısım MATLAB tarafından dönüştürülür. Bu sistemde, dekoder modülü dahili konfigürasyon kayıtlarını konfigüre eder ve ana görev, görüntü piksellerini konfigüre etmek ve işlemektir. SRAM_interface, SRAM'ın harici görüntü veri akışına bağlanması için arabellektir.Video verilerinin ping-pong işlemi için SRAM içinde iki depolama alanı tahsis edilmiştir. Filtre, geliştirilmiş iki boyutlu bir filtre kullanır. Bu filtre, farklı piksel resim filtrelemesinin daha yüksek işleme hızına uyum sağlayabilir. Aydınlatma görüntüsü filtre tarafından tahmin edilir.Aynı zamanda, logaritmik işlemin ve çıkarmanın nispeten yüksek karmaşıklığı ve daha yüksek parlaklığa sahip piksellerin bozulması nedeniyle, bu kağıt, yansıyan görüntüyü elde etmek için daha yüksek hassasiyetli bir bölücü kullanır. Aynı zamanda, geliştirilmiş görüntü, çarpan tarafından iki genişletme işlevi aracılığıyla işlenir ve ardından HVSRGB aracılığıyla bir RGB görüntüsüne geri yüklenir.
2.1 Geliştirilmiş filtre modülü
Literatüre dayanarak, bu makale yapılandırılabilir işlem piksel boyutu ve iyi zamanlama özelliklerine sahip iki boyutlu bir filtre önermektedir. Mimari Şekil 3'te gösterilmektedir. Bu makaledeki filtre 3 bölüme ayrılmıştır İlk bölümün işlevi, iki 8 bit veriyi 16 bitlik bir veriye birleştirmek ve bunları sırayla farklı FIFO'lara yazmaktır. İkinci bölüm, yapılandırılabilir FIFO'dur.FIFO'nun derinliği, dahili yazmaçların yapılandırılmasıyla yapılandırılır ve veriler, farklı satırların filtre pencerelerine yazılır. Üçüncü bölüm filtre penceresidir. 16 bitlik veri 8 bit'e dönüştürülür ve filtre penceresinde iki piksele yazılır Sonraki döngü bu iki pikseli sonraki iki piksele kaydırır. Yeni işlenmiş piksel noktaları, filtre katsayısı aracılığıyla her döngüde elde edilir. Bu yapı sadece kaynakları korumakla kalmaz, aynı zamanda video görüntüsünde kaç pikselin işleneceğini yapılandırabilir İşlem sırasındaki saat frekansı, zamanlama gereksinimlerini daha iyi karşılayan, sistem saat frekansının yarısıdır.
2.2 Yüksek hızlı çarpan
Bu tasarımda bazı çarpanlar kullanılmıştır.Zamanlama nedeniyle, bu makale yüksek hızlı bir çarpan kullanır. Şekil 4, çarpanın donanım mimarisini gösterir.Çarpan, temel 4 kabin algoritmasını, CSA'dan oluşan Wallace ağacını ve ilerleyen bit toplayıcıyı içerir.
Kısmi toplam üreteci, kısmi toplamı neredeyse yarı yarıya azaltan 4 kabinli algoritmaya dayanmaktadır.CSA biriktirme biriminden oluşan Wallace ağaç yapısı sayesinde, iki kısmi toplam, ilerletme bit toplayıcı aracılığıyla elde edilir ve son olarak ürün elde edilir.
2.3 Bölücü
Bu makale, hesaplamalardan kaynaklanan hataları azaltmak için yüksek hassasiyetli bir bölücü kullanmaktadır.Yüksek hızlı bölücünün donanım devresi, Şekil 5'te gösterilmektedir. Bu, bir çarpandan ve bir taramalı tablodan oluşur.Referans tablosu bölenin karşılığını depolar.
2.4 Çerçeve görüntüsü uzatma ve ayarlama
Aydınlatma çerçevesi görüntüsü, gama düzeltmesini gerçekleştirir, bu makale arama tablosu yöntemini benimser.
Yansıma görüntüsü, Şekil 6'da gösterilen mimari kullanılarak uzatılır. Bu makale yapılandırılabilir bir genişletmedir.Bu yöntem, Con yazmacını değiştirerek gerilme derecesini değiştirebilir. Görüntü işleme efektini değiştirin. Fun1 ve Fun, fonksiyonların bir kombinasyon devresini uygulamak için kullanılır.
3 Temel modül simülasyonu ve deneysel sonuçlar
VCS simülasyon yeteneği, modesim'in her modülün simülasyonundan daha güçlü olduğu için bu makale 8 çekirdekli 16 iş parçacıklı 48 G bellek filtreli debian linux işletim sistemi, simülasyon platformunun VCS 2013 sürümünü kullanmaktadır ve sonuçlar Şekil 7 ve Şekil 8'de gösterilmektedir.
Bu makale, Şekildeki kutunun içindeki önemli parçaları uygulamak için Vertex_5_FXT (FX70 / 100T) _FF1136 FPGA yongası tarafından oluşturulan donanım platformunu kullanır ve diğer parçalar AMD 4 çekirdek 4 G bellek matlab 2014b tarafından uygulanır. Şekil 9 ve Şekil 10, farklı resimlerin işlenmesinin sonuçlarıdır.
4 Algoritma değerlendirmesi
Entropi, bilgi teorisinde önemli bir kavramdır, bilgi miktarını temsil eder ve aynı zamanda görüntüdeki görüntünün içeriğini yansıtır. Denklem (11) entropinin ifadesidir.
Tablo 1, görüntü iyileştirmeden önce ve sonra entropinin karşılaştırmasını gösterir.
5. Sonuç
Bu makale esas olarak Retinex video görüntü geliştirme algoritmasına dayanan farklı mimarileri analiz etmektedir.A priori Retinex algoritmasının yüksek karmaşıklığı nedeniyle, bu makale tek ölçekli Retinex algoritmasının anahtar teknolojisini seçmektedir.Tek ölçekli algoritma yeniden yapılandırmasından sonra, çok ölçekli Retinex algoritması haline gelir. Görüntü pikselleri yapılandırılabilir ve genişletme ölçeği yapılandırılabilir Donanım mimarisi önerilmiş ve her modül gerçekleştirilip simüle edilmiş ve son olarak FPGA tarafından gerçekleştirilmiş ve görüntü işleme etkisi değerlendirilmiştir.
Referanslar
Wang Wen, Li Bo, Zeng Jin ve diğerleri Renkli görüntü iyileştirme için hızlı bir çok ölçekli retinex algoritması 2008 Uluslararası Dalgacık Analizi ve Desen Tanıma Konferansı Bildirileri, Hong Kong, 2008: 30-31.
Fu Xueyang, Sun Ye, LiWang Minghui ve diğerleri.Aydınlatma ayarı ile görüntü iyileştirme için yeni bir retineks tabanlı yaklaşım.2014 IEEE Uluslararası Akustik, Konuşma ve Sinyal İşleme Konferansı, 2014: 1190-1194.
BAILEY D G.Gri tonlu morfolojik filtrelerin eski uygulaması. Uluslararası Alan Programı Melez Teknolojisi Konferansı. 2010: 421-424.
SEDCOLE P. Video görüntü işleme için FPGA'larda yeniden yapılandırılabilir platform tabanlı tasarım Elektrik ve Elektronik Mühendisliği Bölümü, imparatorluk Koleji, Londra, İngiltere. 2006.
Yao Aihong, Li Ling, Sun Mengzhe. Değiştirilmiş kabinin algoritmasına ve wallace ağacına dayalı boru hattı çarpanının tasarımı. Advanced Researon Electronic Commerce, Web Application ve Communication International Conference, ECWAC 2011 Guangzhou, Çin, 2011, Bölüm I.
Jagadeshwar Rao M, DUBEY S. Yüksek hızlı ve alan verimli bir kabin, hızlı aritmetik devreler için wallace ağacı çarpanını yeniden kodladı.2012 Mikroelektronik ve Elektronikte Lisansüstü Araştırma üzerine Asya Pasifik Konferansı, 2012.
HENSLEY J, LASTRA A, SINGH M. Bir ölçeklenebilir karşı akışlı boru hatlı asenkron radix-4 kabin çarpanı.Uluslararası Asenkron Devreler ve Sistemler Sempozyumu, 2005: 128-137
Xu Xin, Chen Qiang, Pheng Ann Heng ve diğerleri.Retinex'e dayalı hızlı halofree görüntü iyileştirme yöntemi Bilgisayar destekli tasarım bilgisayar grafikleri Dergisi, 2008, 20 (10).
LEVERICK G, WU C, SZTURM T. Deneysel zaman serileri için entropi ölçümlerinin hesaplamalarında kaba niceleme Doğrusal Olmayan Dinamikler, 2014, 79 (1): 93-100.
AET üyeleri için yıl sonu avantajları!
