基于FPGA的单张LDR图像转HDR图像的设计与实现

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:liqiusheng2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
高动态范围(High Dynamic Range,HDR)图像相对低动态范围(Low Dynamic Range,LDR)图像可以呈现出更丰富的色彩和更多的亮度级别,能够达到计算机图形学及相关行业的要求,满足人们对高质量视觉体验的需求。传统的HDR图像通过合成同一场景多幅不同曝光的LDR图像得到,但是现存的LDR视觉媒体绝大部分只有单曝光版本,因而将包含信息有限的单张LDR转化为具备更多细节信息的HDR图像具有重要意义。但现有的单张LDR到HDR图像的转换一般都基于软件方案,算法复杂,且不具备实时性,应用场景有限。针对该问题,本文提出了一种基于FPGA(Field-Programmable Gate Array)的实时单张LDR转HDR图像的方案。首先采用反伽马校正线性化LDR图片的像素值,其次利用限制对比度的自适应直方图均衡算法(Contrast Limited Adaptive histogram equalization,CLAHE)提高图像的局部对比度,并通过图像分块和双线性插值的方式加速传统CLAHE算法,然后通过线性拉伸将图像拉伸到高动态范围,最后通过色彩校正恢复色彩饱和度,生成HDR图像。本文在电路设计中利用视频帧之间的相关性,去除了帧缓存,解决了缓存占用存储资源过大的问题,使系统对图像的处理速度翻倍;利用直方图生成和映射函数生成的时间先后关系,设计电路使直方图与映射函数对存储分时复用,进一步节约了存储资源;针对单张LDR到HDR转换方案都会出现的色彩饱和度丢失的问题,加入色彩校正电路,恢复由于亮度分量扩展所降低的色彩饱和度。本文对本方案与其他学者方案生成的HDR图像在主观和客观两方面进行了图像质量分析。分析结果表明,本文相对其他学者方案发掘出了更多肉眼难以见到的细节信息,同时对可见细节信息的保留程度更高,生成的HDR图像包含更多细节信息,与真实场景HDR图像感知差异更小,具备更高的感知质量。本文在Xilinx的Zynq XC7Z020 FPGA开发板上实现了一个单张LDR到HDR的图像转换系统。该系统工作于100 MHz的时钟频率,片上总功耗为1.883W,对分辨率为1024*768大小的图像可达124.5 fps(frame per second)的处理速度,能够实现对高帧率LDR视频的实时HDR转化。
其他文献
多载波系统是当今水声通信的热点研究方向,其利用循环前缀(Cyclic Prefix,CP)拥有了优秀的抗多径性能,但是其采用的矩形窗带外衰减过慢,导致受多普勒效应干扰明显,且CP的使用也降低了系统的信息传输速率。水声信道复杂且变化快速,存在明显的多普勒效应,后者极大限制多载波通信技术在水声通信中的应用。而滤波器组多载波(Filter Bank Multi-Carrier,FBMC)系统既有良好的抗
移动数据的爆炸式增长,给传统的蜂窝网络带来了前所未有的挑战。为了缓解海量无线流量带来的压力,边缘缓存技术成为了当下研究的热点。边缘缓存把部分网络内容放置在具有缓存能力的边缘节点中,可以在流量高峰时实现快速的内容分发,缓解传统蜂窝网络的流量压力。通常,这些边缘节点可以是基站或者是移动设备等。随着移动设备数量的飞速增加和移动设备中的存储介质成本逐渐降低,D2D(Device-to-Device)通信技
进入信息时代以来,网络中信息的数量以惊人的速度急剧增加。用户要在这些巨量的信息资料中准确找到所需的部分极其困难,如何利用计算机辅助用户过滤噪声数据,挖掘有用信息已经成为目前的研究热点。命名实体识别是利用计算机从自然语言文本中抽取出命名实体,为之后更高级的任务奠定基础。对于科研技术人员来说,经常需要从大量文献中寻找资料,而中文领域的命名实体识别研究目前还大多集中于通用领域,也就是新闻文本领域,涉及科
随着移动数据流量的爆炸式增长,现有的蜂窝通信系统在海量数据请求时所承受的负担日益严重。通过基站转发至核心网的通信模式已经无法满足5G时代对大容量、低时延、低功耗的用户体验需求。随着移动设备计算和存储能力的提升,将内容存储在移动设备中,采用设备到设备(Device-to-Device,D2D)通信技术进行信息传递的移动存储系统成为解决海量数据大规模并发请求的关键机遇。移动设备在电量耗尽或离开基站覆盖
近年来,随着近地轨道卫星的快速发展,卫星物联网(satellite-based internet of things,S-Io T)将为第五代(fifth generation,5G)移动通信以及下一代大规模机器类通信(massive Machine Type Communication,m MTC)提供经济高效的全球覆盖和宽带接入。然而,如何实现高效的m MTC仍然是一个开放难题。本文重点考虑S
随着各行各业数字化进程的不断加速,大规模分布式云存储系统中的数据量持续性爆发增长。针对廉价存储设备的失效问题,云存储系统通常采用编码方案实现修复,保证系统可用性。由于在修复单个故障时,连接节点少、修复磁盘I/O开销低,局部重构码(Local Reconstruction Code,LRC)适应云存储系统需求,已在微软公司Azure等云平台广泛应用。然而,数据呈现多元化发展趋势,热数据在系统中被频繁
说话人识别是根据说话人的语音特征进行身份识别的生物认证技术,具有便捷性、安全性和准确性等优势,目前被广泛应用于国防、金融和公共安全等领域。说话人识别主要由语音特征提取、模式匹配识别两部分组成,其中语音特征提取是整个说话人识别系统的核心,所提取的特征能否充分反映说话人的身份信息将直接关系着整个系统的性能。本文基于语音线性预测分析(Linear Prediction Coding,LPC)生成的残差信
无线通信与电子技术的发展使得小体积、低功耗传感器的应用更加广泛,能够在军事、医疗等领域实现信息采集、数据采集等功能。无线传感器网络由大量随机分布在某一特定领域内的传感器节点组成,具有自组织特性,各节点可协同完成网络覆盖范围内的各类特定任务,如目标追踪、环境监测等。在传统无线传感器网络中,传感器由电池供电。但由于传感器自身的体积尺寸限制,可携带的电池容量有限;尤其在不便于充电或更换电池的应用场景中,
近年来,物联网(Internet of Things,Io T)技术快速发展,在环境监测、智能家居、智慧城市等方面发挥着重要作用,但现有的物联网都是基于基站构建的,基站部署成本较高且抗毁性较差,因而地面物联网有许多的局限性,这些因素导致人们开始寻求其他类型的网络与物联网进行结合,于是卫星物联网的概念被提出。卫星物联网是将地面物联网和低轨卫星星座结合进行数据传输的网络,在这个网络中,大多数时候地面用
空间物联网(Space Internet of Things,S-IoT)是在卫星物联网和地面物联网研究基础上发展并响应我国对于天地一体化信息网络建设的重大信息基础设施。加速发展S-IoT,建设空、天、地、海一体化网络是未来移动通信的必然发展趋势。S-IoT具备广域覆盖特点,能够突破传统地面物联网的局部碎片化网络特征,提供全球无缝覆盖、“随遇接入、按需服务”的接入能力。但是,目前大规模IoT设备的