طراحی و پیاده سازی سیستم رفع نویس ضربه برای تصاویر با استفاده از فیلتر میانه- میانگین تطبیقی بر پایه FPGA
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 694
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT08_098
تاریخ نمایه سازی: 5 بهمن 1395
Abstract:
یکی از مباحث اصلی در پردازش تصویر، حذف نویز ضربه ای فلفل و نمک از تصاویر دیجیتال است. این نویز باعث از بین بردن اطلاعات و جزئیات در تصاویر می شود. هدف این مقاله طراحی الگوریتمی با استفاده از ترکیب فیلترهای میانه و میانگین برای حذف نویز ضربه ای از تصاویر خاکستری و رنگی است که علاوه بر بازدهی بالا در رفع نویز، دارای حجم و محاسبات پیچیده ای نیز نباشد. روش پیشنهادی از دو مرحله شناسایی نویز و رفع نویز تشکیل شده است. در ابتدا با درنظر گرفتن مقادیر آستان پایین و بالا به شناسایی پیکسل نویزی پرداخته می شود، در مرحله دوم با استفاده از فیلترهای میانه ومیانگین تطبیقی و بر اساس اطلاعات همسایگی مرتبه اول و همسایگی قطری، برای پیکسل های نویزی تصمیم گیری می شود. در ادامه، الگوریتم پیشنهادی با چند کار گذشته در چگالی های مختلف نویز ضربه با استفاده از شاخص های ارزیابی نسبت بیشینه سیگنال به نویز و خطای میانگین مربعات مقایسه می گردد. نتایج بصری و عددی نشان از عملکرد خوب روش پیشنهادی در حذف نویز ضربه است. در پایان با توجه به ویژگی های پردازش موازی و بلادرنگ پردازنده FPGA، الگوریتم ارائه شده با استفاده از زبان توصیف سخت افزار VHDL بر روی تراشه Xilinx Spartan-6 سری XC6SLX9 نوشته، سنتز و پیاده سازی می شود. میزان توان مصرفی کل، بیشینه فرکانس خروجی و متوسط زمان عملیات رفع نویز در FPGA برای یک تصویر رنگی با اندازه ابعاد 256x256، به ترتیب 14 میلی وات، 42/186 مگاهرتز و 1/299 ثانیه به دست آمده است که نشان از عملکرد بهینه و سریع سیستم طراحی شده است.
Keywords:
Authors
مسلم خانه بابائی
گروه الکترونیک، دانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
علی سلیمانی ایوری
دانشیار و عضو هیئت علمی دانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرود، شاهرود، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :