中值滤波器设计.docVIP

中值滤波器设计??? 众所周知，在复杂背景条件下，要对弱小目标进行准确有效地红外跟踪、探测是一个难题。这种情况下，由于目标与背景的对比度较小、信噪比较低，若直接进行跟踪、探测往往比较困难，所以必须先对图像信号进行滤波预处理，以达到抑制背景噪声。增加目标强度，从而提高图像信噪比的目的，为后续工作打下良好的基础。 实时图像处理器中，信号预处理包括对图像的各种滤波、直方图统计及均衡、图像增强、灰度变换等，它们共同的特点是处理数据量大，如果用一般的软件来实现势必会比较慢。而对于一些实时性要求比较高的系统，处理速度往往是要考虑的关键因素，一旦速度跟不上，实时性也无从谈起。针对图像预处理阶段运算结构比较简单的特点，用FPGA进行硬件实现无疑是理想的选择，这样同时兼顾了速度和灵活性，大大减轻了DSP的负担。 本系统采用Verilog HDL语言。利用一种快速的中值滤波改进算法对电路进行设计，并以Altera公司生产的Stratix II EP2S60F67214型FPGA芯片为硬件平台。该器件继承了Altera公司Stratix II系列的共同优点，由于引入了崭新的自适应逻辑模块 ALM ，使得Stratix II有更高的性能和逻辑封装、更少的逻辑和布线级数以及更强的DSP支持，而Stratix II EP2S60F67214更是比Xilinx公司的类似器件Virtex-4XC4VLX60多出18％的器件逻辑，其中包括51 182个寄存器位，2 544 129个存储器位以及48 352个ALUT，该器件资源丰富，只需占用很小一部分实现中值滤波器，为后续设计的增长留有更多空间。 2 中值滤波的基本原理及改进算法 2．1中值滤波的基本原理 中值滤波是由Tukey发明的一种非线性信号处理技术，早期用于一维信号处理，后来很快被用到二维数字图像平滑中，是一种有效抑制图像噪声，提高图像信噪比的非线性滤波技术。它是一种邻域运算，类似于卷积，但计算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素值。与均值滤波器以及其他线性滤波器相比，中值滤波器的突出特点是在很好地滤除脉冲噪声 Impulsive Noise 和椒盐噪声 Salt and Pepper Noise 的同时，还能够保护目标图像边缘轮廓的细凇Ｓ霉奖硎疚?br g x，y median f x-i,y-i ， i,j S 1 式中g x，y ，f x,y 为像素灰度值，S为模板窗口。 而中值滤波的具体实现过程一般为： 1 选择一个 2n+1 × 2n+1 的滑动窗口 通常为3*3或者5*5 ，使其沿图像数据的行或者列方向逐像素滑动 通常为从左至右，从上到下逐行移动 。 2 每次滑动后，对窗口内的像素灰度值进行排序，用排序所得的中间值代替窗口中心位置像素的灰度值。 2．2中指滤波的改进算法 中值滤波的算法很多，但通常数据排序量较大。需要消耗大量时间，不利于图像处理的实时性。本文采用一种窗口大小为3*3的快速排序算法。大大降低了排序量。 为了便于说明。将3*3窗口内的各个像素分别定义为M11，M12，M13，M21，M22，M23，M31，M32，M33。像素排列如表1。 首先分别对窗口中的每一行计算最大值、中值、最小值，这样一共可以得到9个数值，分别包括3个最大值、3个中值、3个最小值： 第一行的最大值：Max1 max[M11，M12,M13]； 第一行的中值：Med1 med[M11，M12,M13]; 第一行的最小值：Min1 min[M11，M12,M13]； 依此类推：Max2 max[M21，M22,M23]；Med2 med[M21，M22,M23]；Min2 min[M21，M22,M23]；Max3 max[M31，M32,M33];Med3 med[M31，M32,M33]；Min3 min[M31，M32,M33]； 式中,max表示取最大值，med表示取中值，min表示取最小值。 不难判断，9个数值中。3个最大值中的最大值和3个最小值中的最小值一定是9个像素中的最大值和最小值；3个中值中的最大值至少大于5个像素：即本行中的最小值、其他2行的中值及最小值：而3个中值中的最小值至少小于5个像素：即本行中的最大值、其他2行的中值及最小值。最后，比较3个最大值中的最小值Min_of_Max，3个中值中的中值Med_of_Med，3个最小值中的最大值Max_of_Min．得到的中间值即为滤波的最后结果Med_of_nine。具体过程表示如下：Min_of_Max min[Max1，Max2,Max3]；Med_of_Med med[Med1，Med2，Med3]；Max_of_Min max[Min1，Min2,Min3]；