Download
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
Методы обработки и распознавания изображений PowerPoint Presentation
Download Presentation
Методы обработки и распознавания изображений

Методы обработки и распознавания изображений

262 Views Download Presentation
Download Presentation

Методы обработки и распознавания изображений

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. 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.

  2. 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.

  3. Области применения фильтрации в цифровой обработке сигналов Медицина Коммерция Обработка речевых сигналов Задачи навигации Промышленность Искусство

  4. Классификация фильтров Цели и задачи работы Цифровые фильтры Рекурсивные Нерекурсивные БИХ Адаптивные КИХ

  5. Z-1 Z-1 Z-1 y(n) Z-1 hN-1 h0 X h1 X h2 X X ∑ Нерекурсивные фильтры Обобщенная структура нерекурсивного фильтра. Выход фильтра определяется выражением:

  6. a0 + y(n) X ∑ + X Z-1 bn Рекурсивные фильтры Обобщенная структура рекурсивного фильтра первого порядка. Формула расчета выхода рекурсивного фильтра первого порядка

  7. Фильтр Винера-Хопфа В нерекурсивном устройстве оценки оценка определяется в виде конечного линейного полинома y(n): 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.

  8. Фильтр Калмана Обобщенная структура рекурсивного фильтра Калмана. k(n) + + ∑ ∑ X y(n) x(n) – + x(n-1) X X Z-1 y(n)=acx(n-1) [Предсказание y(n)] ax(n-1) a c Уравнение рекурсивного устройства оценки первого порядка, или скалярного фильтра Калмана: x(n)=ax(n-1)+k(n)[y(n)+acx(n-1)]

  9. 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

  10. 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

  11. Структурная схема сигнального процессора семейства TMS320С30

  12. ПЛИС Классические FPGA Комбинированной архитектуры SPLD CPLD FPGA Классификация ПЛИС

  13. M512-RAM Blocks M4K-RAM Blocks IOEs IOEs IOEs IOEs IOEs IOEs LABs M1 LABs DSP Block LABs M2 LABs M1 LABs M1 IOEs LABs M1 LABs LABs M2 LABs M1 LABs M1 IOEs LABs M1 LABs LABs M2 LABs M1 LABs M1 IOEs LABs M1 LABs LABs M2 LABs M1 LABs M1 IOEs LABs M1 LABs DSP Block LABs M2 LABs M-RAM Block IOEs LABs M1 LABs LABs M2 LABs IOEs LABs M1 LABs LABs M2 LABs IOEs LABs M1 LABs LABs M2 LABs Структура ПЛИС Altera Stratix II

  14. Результаты оценки эффективности применения ПЛИС и процессоров DSP для выполнения преобразования Фурье

  15. Управляющий счетчик Блок расчета амплитуды А(k) Блок расчета коэффициентов Входной сигнал s(k) Блок расчета фазы φ(k) σ2 R A(k-1) φ(k-1) s0(k-1) Блок расчета частоты u(k) Блок расчета фоновой составляющей Массив хранения данных (параметры фильтрации, таблицы синусов и косинусов) s0(k) Структурная схема дискретного нелинейного фильтра Калмана для реализации на ПЛИС

  16. Результаты реализации алгоритма Калмана на ПЛИС и процессорах DSP

  17. 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.

  18. 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.