[發明專利]一種基于FPGA進化學習的數字圖像濾波電路設計方法

有效

• 申請號: 201410162913.3
• 申請日: 2014-04-22
• 公開（公告）號: CN103945091B
• 公開（公告）日: 2017-03-29
• 發明（設計）人: 陶硯蘊;張宇禎;鄭建穎;楊勇;朱忠奎
• 申請（專利權）人: 蘇州大學
• 主分類號: H04N5/21
• 分類號: H04N5/21
• 代理公司: 蘇州創元專利商標事務所有限公司32103
• 代理人: 陶海鋒

技術領域

本發明屬于圖像處理技術領域，具體涉及一種數字圖像濾波電路設計方法，尤其是一種基于FPGA進化學習的濾波電路設計方法。

背景技術

數字圖像濾波一直是圖像預處理研究中的必要環節，現有的研究成果主要在算法的改進上。其中，中值濾波器是一種非線性濾波器，能夠較好地保留住圖像的細節和邊緣，弱化模糊作用；Frost濾波算法假定影像是平穩過程,其沖激響應為一雙邊指數函數；Kuan濾波算法假設噪聲為與信號相關的加法噪聲，然后運用最小方差估計獲得固定窗口中觀察強度和局部平均強度的線性組合；Lee濾波是使用濾波窗口內樣本均值和方差的自適應濾波算法；Kuan濾波器與Lee濾波器的區別在于用一個信號加上一個依賴于信號的噪聲來表示乘性模型的相干斑噪聲；?Lukac將加權中值濾波器擴展到彩色圖像除噪應用中，集合矢量方向濾波器的特性，提出矢量加權方向中值濾波器，對其中的權值系數提出梯度迭代尋優求解的方法。傳統的線性均值濾波器和非線性統計濾波器采用了簡單的取平均值或是排序關系操作，圖像的濾波效果具有一定的局限性，例如，Frost可以看成是低通濾波器(噪聲在高頻區域)，因此在細節保留方面同樣不理想；Lee濾波方法在保持邊緣等細節信息方面的性能并不能令人滿意；空域方法的共同缺點就是濾波后的清晰度大大降低。

近些年，除了使用傳統的優化方法進行濾波性能的改進，進化計算提供了一種求解復雜系統優化問題的通用框架，在圖像濾波的進化設計領域，Sekanina提出采用遺傳程序設計方法(CGP)進行圖像除噪濾波器的結構設計，取得較好的效果；Vasicek在此基礎上提出了5╳5濾波窗口的改進的進化方案，并進行了多種噪聲下的多種圖像的濾波實驗。然而，Sekanina和Vasicek提出的進化濾波電路方法都是以平均絕對誤差最小的單目標進化，容易忽略圖像的大噪聲點數量，使圖像的某些區域噪聲明顯，同時他們沒有考慮電路的競爭與冒險問題，使進化得到的電路難以應用于實際中。在圖像領域的濾波方法中，小波去噪方法和頻譜特征方法使圖像濾波后產生較多的碼塊。

現有技術中，如中國發明專利CN101094312A公開了一種保持邊緣的自適應圖像濾波方法，該方法是基于高頻區噪聲和邊緣的區分來實現去噪，依靠噪聲判別，其性能依賴于判別或分類器的性能。

發明內容

本發明的發明目的是提供一種基于FPGA進化學習的濾波電路設計方法，使得濾波后的圖像清晰，邊緣清楚。

為達到上述發明目的，本發明采用的技術方案是：一種基于FPGA進化學習的數字圖像濾波電路設計方法，包括進化學習階段和濾波電路硬件實現階段，具體步驟如下：

（1）采用基因表達式對電路編碼，所述表達式包括頭部和尾部，所述頭部包含函數符號和終端點符號，所述尾部包含終端點符號；

（2）步驟（1）中的電路編碼集合構成初始群體；

（3）建立多目標進化模型，設含噪圖像像素點為I(x,y)，參考圖像的像素點為I_Ref(x,y)，圖像的行列大小為M*N，C表示進化群體中的候選電路，

目標函數1（大噪聲點數量限制）：

，

目標函數2（平均絕對誤差）：

，

多目標進化模型(Z₁(C)和Z₂(C)最小化的多目標)：

，

其中，為合成濾波電路所需要的FPGA邏輯細胞單元之和，表示電路C中使用的函數函數（F0-F28）需要的邏輯細胞，為的上界限，表示濾波圖像中比較參考圖像點差值大于閾值的像素點數量；

（4）步驟（2）中的初始群體經二階段進化策略，得到使濾波后圖像峰值信噪比高且圖像的大噪聲點數量降低的濾波電路，若未達到進化目標，則返回執行步驟步驟（1），若達到進化目標，則得到最優電路個體，進入電路實現階段；

（5）將最優電路個體轉換為VHDL程序；

（6）在進化濾波電路中加入消除競爭與冒險機制；

（7）將噪聲圖像進過FPGA濾波電路得到濾波圖像。

上述技術方案中，所述二階段進化策略分為一階段和二階段：

一階段進化，將進化群體經過（2+λ）ES進化策略選取2個最優個體并通過2個個體的變異操作生成種群中的其他個體，再以為目標進行單目標進化，若未達到最大限定的進化代數，則重復該階段，若達到最大限定的進化代數，則進入二階段進化；