紋理映射在計(jì)算機(jī)圖形計(jì)算中屬于光柵化階段，處理的是像素，主要的特點(diǎn)是數(shù)據(jù)的吞吐量大，對實(shí)時系統(tǒng)來說轉(zhuǎn)換的速度是一個關(guān)鍵的因素，人們尋求各種加速算法來提高運(yùn)算速度。傳統(tǒng)的方法是用更快的處理器，并行算法或?qū)Ｓ糜布?。隨著數(shù)字技術(shù)的發(fā)展，尤其是可編程邏輯門陣列(FPGAs)的發(fā)展，提供了一種新的加速方法。FPGAs在密度和性能上都有突破性的發(fā)展，當(dāng)前的FPGA芯片已經(jīng)能夠運(yùn)算各種圖形算法，而在速度上與專用的圖形卡硬件相同。因此，F(xiàn)PGA芯片非常適合這項(xiàng)工作。 本文主要工作包括以下幾個方面： 1、本文提出了一種MIPmapping紋理映射優(yōu)化方法，改進(jìn)了MIPmapping映射細(xì)化層次算法及紋理圖像的存儲方式，減少紋理尋址的計(jì)算量，提高紋理存儲的相關(guān)性。詳細(xì)內(nèi)容請閱讀第三章。 2、提出了一種MIPmapping紋理映射優(yōu)化方法的硬件實(shí)現(xiàn)方案，該方案針對移動設(shè)備對功耗和面積的要求，以及分辨率不高的特點(diǎn)，在參數(shù)空間到紋理地址的計(jì)算中用定點(diǎn)數(shù)來實(shí)現(xiàn)。詳細(xì)內(nèi)容請閱讀第四章。 3、實(shí)現(xiàn)了紋理映射流水線單元紋理地址產(chǎn)生電路，及紋理濾波電路的FPGA設(shè)計(jì)，并給出設(shè)計(jì)的綜合和仿真結(jié)果。詳細(xì)內(nèi)容請閱讀第五章4、實(shí)現(xiàn)了符合IEEE 754單精度標(biāo)準(zhǔn)的乘法、乘累加及除法運(yùn)算器電路。乘法器采用改進(jìn)型Booth編碼電路以減少部分積數(shù)量，用Wallace對部分積進(jìn)行壓縮；乘累加器采用multiply-add fused算法，對關(guān)鍵路徑進(jìn)行了優(yōu)化；除法器為基于改進(jìn)型泰勒級數(shù)展開的查找表結(jié)構(gòu)實(shí)現(xiàn)，查找表尺寸只有208字節(jié)，電路為固定時延，在電路尺寸、延時及復(fù)雜度方面進(jìn)行了較好的平衡。
上傳時間： 2013-04-24
上傳用戶：yxvideo
論文研究了基于Bayer格式的CCD原始圖像的顏色插值算法，并將設(shè)計(jì)的改進(jìn)算法應(yīng)用到以FPGA為核心的圖像采集前端。出于對成本和體積的考慮，一般的數(shù)字圖像采集系統(tǒng)采用單片CCD或CMOS圖像傳感器，然后在感光表面覆蓋一層顏色濾波陣列(CFA)，經(jīng)過CFA后每個像素點(diǎn)只能獲得物理三基色(紅、綠、藍(lán))其中一種分量，形成馬賽克圖像。為了獲得全彩色圖像，就要利用周圍像素點(diǎn)的值近似地計(jì)算出被濾掉的顏色分量，稱這個過程為顏色插值。由于當(dāng)前對圖像采集系統(tǒng)的實(shí)時性要求越來越高，業(yè)內(nèi)已經(jīng)開始廣泛采用FPGA來進(jìn)行圖像處理，充分發(fā)揮硬件并行運(yùn)算的速度優(yōu)勢，以求在處理速度和成像質(zhì)量兩方面均達(dá)到滿意的效果。。主要的工作內(nèi)容如下: 本文首先介紹了彩色濾波陣列、圖像色彩恢復(fù)和插值算法的概念，然后分析和研究了當(dāng)下常用的顏色插值算法，如雙線性插值算法、加權(quán)系數(shù)法等等，指出了各個算法的特點(diǎn)和不足；接下來針對硬件系統(tǒng)并行運(yùn)算的特性和實(shí)時性處理的要求，結(jié)合其中兩種算法的思路設(shè)計(jì)了適用于硬件的改進(jìn)算法，該算法主要引入了方向標(biāo)志位的概念以及平滑的邊界仲裁法則來檢測邊界，借鑒利用梯度的三角函數(shù)關(guān)系來判斷邊界方向，通過簡化且適用于硬件的方法計(jì)算加權(quán)系數(shù)，從而選擇合適的方向進(jìn)行插值。 在介紹了FPGA用于圖像處理的優(yōu)勢后，針對FPGA的特點(diǎn)采用模塊化結(jié)構(gòu)設(shè)計(jì)，詳細(xì)闡述了本文算法的軟件實(shí)現(xiàn)過程及所使用到的關(guān)鍵技術(shù)；文章設(shè)計(jì)了一個以FPGA為核心的前端圖像采集平臺，并將改進(jìn)插值算法應(yīng)用到整個系統(tǒng)當(dāng)中。詳細(xì)分析了采集前端的硬件需求，討論了核心芯片的選型和硬件平臺設(shè)計(jì)中的注意事項(xiàng)，完成了印制電路板的制作。 文章通過MATLAB仿真得到了量化的性能評估數(shù)據(jù)，并選取幾種算法在硬件平臺上運(yùn)行，得到了實(shí)驗(yàn)圖片。最后結(jié)合圖片的視覺效果和仿真數(shù)據(jù)對幾種不同算法的效果進(jìn)行了評估和比較，證明改進(jìn)的算法對圖像質(zhì)量有所增強(qiáng)，取得了良好的效果。
上傳時間： 2013-06-11
上傳用戶：it男一枚
·詳細(xì)說明：分水嶺算法,首先將圖像分為小塊,根據(jù)每塊之間的差異實(shí)現(xiàn)圖像分割
上傳時間： 2013-04-24
上傳用戶：西伯利亞狼
·摘要： 為解決人臉檢測實(shí)時性問題,提出了基于DSP實(shí)現(xiàn)人臉檢測算法.改進(jìn)了AdaBoost人臉檢測算法,在層次型AdaBoost檢測算法的基礎(chǔ)上,改進(jìn)了特征定義方式,提出模糊層次型人臉檢測器結(jié)構(gòu).介紹了TI公司的DSP芯片及其外圍電路,描述了系統(tǒng)中各個模塊的工作流程.最后,闡述了利用CCS對DSP程序進(jìn)行優(yōu)化.實(shí)驗(yàn)結(jié)果表明,在輸入圖像大小為256×256像素的條件下,檢測速度達(dá)到每秒2
上傳時間： 2013-04-24
上傳用戶：qqiang2006
200多個常見的VC++加密算法代碼，像DES、ASN、hex、rsa等等算法，你可以先下載保存在電腦上，以后或許能用到，加密也是常用的一種程序數(shù)據(jù)處理方式，實(shí)用性比較大。
上傳時間： 2013-04-24
上傳用戶：iswlkje
在研究和分析指紋圖像的強(qiáng)度場和方向場原理基礎(chǔ)上，根據(jù)人眼的視覺原理，提出一種指紋圖像分割與增強(qiáng)的方法。按照指紋圖像前景色梯度大，背景色梯度小，可以將指紋前景色很好的分割出來。并且通過紋線方向進(jìn)行濾波增強(qiáng)處理，可以得到良好的效果。對隨機(jī)抽取的指紋圖像分割和增強(qiáng)的實(shí)驗(yàn)證明，取得了滿意的結(jié)果。此方法的優(yōu)點(diǎn)是將指紋紋線斷裂處很好的連接，可以廣泛應(yīng)用于指紋圖像的預(yù)處理過程當(dāng)中。
上傳時間： 2013-12-15
上傳用戶：lps11188
使用ABI Cloud Mask算法，結(jié)合多種基礎(chǔ)的表數(shù)據(jù)，對MTSAT-1R衛(wèi)星圖像進(jìn)行了云掩膜分類。將衛(wèi)星圖像中的像素成功分為了4類：“晴空”“似晴空”“似云”“云” 。實(shí)驗(yàn)結(jié)果表明，本掩膜計(jì)算方便，達(dá)到了進(jìn)一步計(jì)算下一步數(shù)據(jù)的要求。
標(biāo)簽： MTSAT 衛(wèi)星數(shù)據(jù) 掩膜 閾值
上傳時間： 2013-10-19
上傳用戶：xauthu
分析了多顆成像衛(wèi)星對區(qū)域目標(biāo)的協(xié)同觀測問題的特點(diǎn)，提出了基于星載遙感器的幅寬、側(cè)擺能力以及衛(wèi)星軌道參數(shù)的動態(tài)區(qū)域劃分方法，該方法能夠根據(jù)衛(wèi)星參數(shù)及偏移參數(shù)動態(tài)劃分候選觀測場景，從而充分利用衛(wèi)星每次過境的觀測機(jī)會，特別適用于不同衛(wèi)星協(xié)同觀測的情況。在此基礎(chǔ)上建立了多星對區(qū)域目標(biāo)的協(xié)同觀測問題模型，該模型采用總體覆蓋率來衡量觀測效率，消除了不同衛(wèi)星對區(qū)域目標(biāo)觀測的交叉重疊帶來的影響。最后提出了模型求解的模擬退火算法。仿真實(shí)驗(yàn)表明，本文提出的方法能夠有效提高多星對區(qū)域目標(biāo)的協(xié)同觀測效率。
標(biāo)簽： 成像衛(wèi)星
上傳時間： 2013-10-14
上傳用戶：Ants
基于雷達(dá)目標(biāo)一維距離像非衰減指數(shù)和模型,文中將遺傳算法和Relax算法相結(jié)合求取目標(biāo)散射中心參數(shù),充分發(fā)揮兩種算法的優(yōu)勢,通過仿真分析證明了文中方法的有效性。
標(biāo)簽： 雷達(dá)目標(biāo) 特征提取 方法研究
上傳時間： 2014-12-30
上傳用戶：我們的船長
檢測運(yùn)動物體需要無運(yùn)動物體的背景圖像，所以，首先應(yīng)用多幀像素平均值法提取了運(yùn)動視頻序列的背景圖，從背景圖像中分離目標(biāo)像素，獲取目標(biāo)的質(zhì)心坐標(biāo)，并應(yīng)用質(zhì)心跟蹤法以灰色圖像序列為基礎(chǔ)，對運(yùn)動的目標(biāo)進(jìn)行實(shí)時檢測和跟蹤。質(zhì)心跟蹤法的目標(biāo)位置通過質(zhì)點(diǎn)的中心來確定，該算法計(jì)算簡單，計(jì)算量小，其穩(wěn)定性與精度主要取決于序列圖像的分割及其閥值的確定情況。文中給出了用Opencv實(shí)現(xiàn)算法的具體過程和關(guān)鍵代碼，并且設(shè)計(jì)了跟蹤運(yùn)動車輛的控制界面，方便了實(shí)時監(jiān)控。實(shí)驗(yàn)結(jié)果表明，該方法可以實(shí)現(xiàn)視頻序列中運(yùn)動目標(biāo)的識別，具有實(shí)時性、并能給出較好的識別效果。
標(biāo)簽： Opencv 運(yùn)動目標(biāo) 檢測
上傳時間： 2013-11-12
上傳用戶：蟲蟲蟲蟲蟲蟲
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
