基于DSP的微光夜视视频图像处理技术研究.ppt

基于DSP的微光夜视视频图像实时处理技术研究;课题研究方向介绍; 首先介绍目前对微光夜视图像最重要的各种去噪和图像增强算法，在分析微光夜视图像特点的基础上进行优化和改进，并针对中值滤波算法，3×3中的 超快速中值滤波算法，5×5中的超快速中值滤波算法和直方图均衡算法，利用灰度拉伸原理对数字帧积分算法。 本课题还对动态微光图像的增强进行深入研究，为了解决在快速运动条件下由帧积分引起的拖尾模糊的问题，借鉴 H.264 中帧间预测的处理方法，进行改进基于块匹配的区域补偿算法。 最后，因为实验实现对进一步的应用研究工作具有很重要的意义和价值所以本文还利用硬件测试平台和 CCS 软件平台，在微光环境下进行大量的实验。;一，课题的研究背景;;;;;二， 课题的研究意义; 由于实时图像处理系统能提高微光图像质量，增强微光成像系统的作用距离，因此开展“基于DSP的微光夜视视频图像实时处理技术研究”对提高我军夜视装备的技术水平和夜战能力十分重要。 目前我国在这方面的工作刚刚起步，距欧美一些发达国家的技术水平差距还非常大。因此开展：“基于DSP的微光夜视视频图像实时处理技术研究”的研究工作，具有极大的迫切和重要的现实意义。 ;三，国内外的研究现状;四， 存在的问题;五，课题的研究内容; 首先将介绍目前比较成熟的各种去噪和图像增强算法，在分析微光夜视图像特点的基础上进行优化和改进，并针对中值滤波算法，结合TMS320DM642系列DSP的特点以提高处理速度为目标，将提出一种新型的 3×3 超快速中值滤波算法，5×5中的超快速中值滤波算法，直方图均衡算法，数字帧积分算法。本课题还对动态(快速运动)微光图像的增强进行深入研究，为了解决在快速运动条件下由帧积分引起的拖尾模糊的问题，借鉴H.264 中帧间预测的处理方法，提出一种新型的基于块匹配的区域补偿算法。最后，利用硬件测试平台和 CCS 软件平台，在微光环境下进行大量的实验，实验结果对进一步的应用研究工作具有重要的意义。 ;第一、介绍微光视频图像显示的硬件平台搭建：包括摄像头 CCD 视频数据的采集，DSP 单板的数据图像处理，显???终端的实时图像显示以及各部分的连接和调试，同时还包括 DSP 集成开发环境 CCS 的搭建。 第二、静态(含缓慢运动)微光视频图像算法设计：分析微光图像的特征,包括在低速情况下的微光视频图像的去噪和增强算法。本文基于前人提出的超高速 3×3 中值滤波算法进行了改进和优化，并提出一种易于 DSP 实现的超高速 3×3 中值滤波改进算法。本文基于传统的数字帧积分法，结合灰度拉伸原理，提出一种改进型的数字帧积分法，这种算法能在提高图像亮度和对比度的同时解决图像饱和失真的问题。本文在图像增强方面采用比较成熟的灰度拉伸和灰度均衡技术。最后在微光条件下，通过实验证明上述算法的可行性。 ;第三、动态(快速运动)微光视频图像的算法设计：在静态微光视频图像算法的基础上，借鉴视频压缩标准 H.264 中的块估算运动区域补偿算法，提出一种由运动点确定运动区域再进行运动物体区域补偿的新型算法，并通过仅进行偶扫描的方式实现算法优化。最后本文也通过实验证明：该算法确实能够消除由普通帧积分引起的图像拖尾模糊的问题。 第四、基于DSP/BIOS操作系统,在以TMS320DM642芯片为核心的硬件平台上设计系统部分软件,在各种低照度环境下进行实验，验证上述算法的可行性，并对算法进行优化，使得本系统的基本满足实时性要求。 ;课题的实验;微光图像增强实验： - 第十、灰度变换法实现 - 线性灰度变换 - 分段线性灰度变换 - 非线性灰度变换 第十一、直方图均衡法实现 快速运动物体的微光视频图像增强实验： 第十二、运动物体区域补偿的算法 第十三、H.264 标准中的方块匹配算法 第十四、H.264标准中运动估计算法优化实现 第十五、基于快估算的运动物体区域补偿快速算法实现.;整理ppt;;七，计划进度安排;八，经费预算;谢谢！;此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！