viagra super force

+7(495) 123-XXXX  г. Москва

Выпуски журналов

  • Серия
  • Серия
  • Серия
  • Серия
  • Журнал
  • Журнал
  • Журнал
  • Журнал

А.Б. Пунь,  (Студент, МФТИ)

Серия «Естественные и Технические науки» # ИЮЛЬ  2016

Обработка изображений
Актуальность выбранной темы обусловлена в потребности ускорить обработку видеопотока в реальном времени. Для этих целей используются аппаратные решения. Аппаратные ускорители обычно реализуются на ПЛИС, так как это наиболее удобно для решения задач обработки видеопотока. Данная статья описывает реализацию аппаратного модуля однопроходного алгоритма анализа связанных компонент, использующегося для подсчета свойств объектов на бинарном кадре. Приведена оценка занимаемых ресурсов и быстродействий на целевой аппаратуре.

Ключевые слова: Обработка изображений, связанные компоненты, видеопоток, площадь, интенсивность, ограничивающий прямоугольник, координаты, объект интереса, ПЛИС, Xilinx.

 

В  настоящее время актуальны задачи обработки видеопотока в реальном времени. Во многих задач, встречающихся в обработке видеопотока, на кадре необходимо выделить объекты интереса и подсчитать параметры для каждого объекта. Для обеспечения обработки видеопотока в реальном времени, данные задачи удобнее выполнять с использованием аппаратных ускорителей, реализуемых на ПЛИС.

Для выделения объектов интереса используются различные алгоритмы бинаризации, в результате работы которых, получается бинарный кадр. Значение пикселей фона на бинарном кадре равно нулю, пикселей объектов – единице. Применение алгоритмов бинаризации к задачам обработки видеопотока в реальном времени не вызывает трудностей, так как существуют алгоритмы, которые могут обрабатывать потоковые данные за один проход по кадру, поэтому данный вид обработки кадра удовлетворяет временным параметрам.

При подсчете параметров объектов могут возникать проблемы. Существуют различные алгоритмы для подсчета параметров объектов. Один из распространенных алгоритмов – алгоритм анализа связанных компонент. Классическая реализация данного алгоритма двухпроходная, поэтому плохо подходит для задач обработки видеопотока в реальном времени. Также необходимо хранить промежуточное изображение, что может потребовать значительных ресурсов по памяти, при реализации алгоритма на ПЛИС. Для обеспечения покадровой обработки видеопотока в реальном времени необходимо за один проход по кадру подсчитывать все требуемые параметры.

Однопроходный алгоритм анализа связанных компонент

После того как получен бинарный кадр, используя какой-либо алгоритм бинаризации, с помощью алгоритма анализа связанных компонент можно подсчитать нужные параметры объектов. Каждому объекту назначается своя метка. На основании метки для каждого объекта подсчитываются параметры. Классический алгоритм двухпроходный. При первом проходе назначаются промежуточные метки и промежуточные значения параметров. При втором проходе промежуточные метки и параметры уточняются. Для хранения промежуточных данных может потребоваться большой объем памяти. Два прохода по кадру может занять достаточно много времени. Поэтому такая реализация не подходит для обработки видеоданных в реальном времени на ПЛИС.

В работе [1] описан однопроходный алгоритм анализа связанных компонент. В работе [2] описан подход к реализации этого алгоритма, где для каждого объекта подсчитывается площадь. При этом алгоритм реализован на довольно старой ПЛИС. Целью данной работы является реализация однопроходного алгоритма анализа связанных компонент на современной ПЛИС Xilinx 7 серии. В аппаратном модуле необходимо подсчитывать площадь, интенсивность и координаты ограничивающего прямоугольника для каждого объекта. Также необходимо оценить потребление ресурсов и быстродействие. Необходимо также протестировать аппаратный модуль на сложных, с точки зрения алгоритма, объектах, для того, чтобы всем объектам корректно назначались метки и для всех объектов корректно подсчитывались параметры.

Аппаратная реализация модуля однопроходного алгоритма анализа связанных компонент

Аппаратный модуль состоит из модуля назначения метки каждому объекту и модуля подсчета параметров для каждого объекта.

Входной интерфейс потоковый, пиксели принимаются в строчной развертке, практически каждый такт. Возможны небольшие задержки в конце строки при обработке сложных объектов. Выходной интерфейс также потоковый.

Выходные данные:

  • Площадь объекта
  • Интенсивность
  • Координата левого нижнего края ограничивающего прямоугольника и правого верхнего края ограничивающего прямоугольника объекта.

Модуль назначения метки объекту

Текущему пикселю метка назначается на основании значения и метки левого и верхнего соседних пикселей:

  1. Если значение текущего пикселя равно левому и не равно верхнему соседнемупикселю – назначается метка, как у левого соседнего пикселя
  2. Если значение текущего пикселя равно верхнему и не равно левому соседнему пикселю – назначается метка, как у верхнего соседнего пикселя
  3. Когда объект помечен различными метками, значения текучего и соседних пикселей равны, но метки соседних пикселей разные. Метки считаются эквивалентными. Назначается наименьшая из меток
  4. Если значения соседних пикселей равно нулю (соседние пиксели принадлежат фону), то текущему пикселю назначается новая метка.

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
1. Donald G. Bailey, Christopher T. Johnston, Ni Ma “Connected components analysis of streamed images”, 2008 International Conference on Field Programmable Logic and Applications, P. 679-682, 2008
2. Christopher T. Johnston, Donald G. Bailey “FPGA implementation of a Single Pass Connected Components Algorithm”, 4th IEEE International Symposium on Electronic Design, Test & Applications, P. 228-231, 2008
 



© 
А.Б. Пунь, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

 
SCROLL TO TOP

 Rambler's Top100 @Mail.ru