[发明专利]一种基于FPGA进化学习的数字图像滤波电路设计方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种数字图像滤波电路设计方法，尤其是一种基于FPGA进化学习的滤波电路设计方法。

背景技术

数字图像滤波一直是图像预处理研究中的必要环节，现有的研究成果主要在算法的改进上。其中，中值滤波器是一种非线性滤波器，能够较好地保留住图像的细节和边缘，弱化模糊作用；Frost滤波算法假定影像是平稳过程,其冲激响应为一双边指数函数；Kuan滤波算法假设噪声为与信号相关的加法噪声，然后运用最小方差估计获得固定窗口中观察强度和局部平均强度的线性组合；Lee滤波是使用滤波窗口内样本均值和方差的自适应滤波算法；Kuan滤波器与Lee滤波器的区别在于用一个信号加上一个依赖于信号的噪声来表示乘性模型的相干斑噪声； Lukac将加权中值滤波器扩展到彩色图像除噪应用中，集合矢量方向滤波器的特性，提出矢量加权方向中值滤波器，对其中的权值系数提出梯度迭代寻优求解的方法。传统的线性均值滤波器和非线性统计滤波器采用了简单的取平均值或是排序关系操作，图像的滤波效果具有一定的局限性，例如，Frost可以看成是低通滤波器(噪声在高频区域)，因此在细节保留方面同样不理想；Lee滤波方法在保持边缘等细节信息方面的性能并不能令人满意；空域方法的共同缺点就是滤波后的清晰度大大降低。

近些年，除了使用传统的优化方法进行滤波性能的改进，进化计算提供了一种求解复杂系统优化问题的通用框架，在图像滤波的进化设计领域，Sekanina提出采用遗传程序设计方法(CGP)进行图像除噪滤波器的结构设计，取得较好的效果；Vasicek在此基础上提出了5╳5滤波窗口的改进的进化方案，并进行了多种噪声下的多种图像的滤波实验。然而，Sekanina和Vasicek提出的进化滤波电路方法都是以平均绝对误差最小的单目标进化，容易忽略图像的大噪声点数量，使图像的某些区域噪声明显，同时他们没有考虑电路的竞争与冒险问题，使进化得到的电路难以应用于实际中。在图像领域的滤波方法中，小波去噪方法和频谱特征方法使图像滤波后产生较多的码块。

现有技术中，如中国发明专利CN101094312A公开了一种保持边缘的自适应图像滤波方法，该方法是基于高频区噪声和边缘的区分来实现去噪，依靠噪声判别，其性能依赖于判别或分类器的性能。

发明内容

本发明的发明目的是提供一种基于FPGA进化学习的滤波电路设计方法，使得滤波后的图像清晰，边缘清楚。

为达到上述发明目的，本发明采用的技术方案是：一种基于FPGA进化学习的数字图像滤波电路设计方法，包括进化学习阶段和滤波电路硬件实现阶段，具体步骤如下：

（1）采用基因表达式对电路编码，所述表达式包括头部和尾部，所述头部包含函数符号和终端点符号，所述尾部包含终端点符号；

（2）步骤（1）中的电路编码集合构成初始群体；

（3）建立多目标进化模型，设含噪图像像素点为I(x,y)，参考图像的像素点为I_Ref(x,y)，图像的行列大小为M*N，C表示进化群体中的候选电路，

目标函数1（大噪声点数量限制）：

，

目标函数2（平均绝对误差）：

，

多目标进化模型(Z₁(C)和Z₂(C)最小化的多目标)：

，

其中，为合成滤波电路所需要的FPGA逻辑细胞单元之和，表示电路C中使用的函数函数（F0-F28）需要的逻辑细胞，为的上界限，表示滤波图像中比较参考图像点差值大于阈值的像素点数量；

（4）步骤（2）中的初始群体经二阶段进化策略，得到使滤波后图像峰值信噪比高且图像的大噪声点数量降低的滤波电路，若未达到进化目标，则返回执行步骤步骤（1），若达到进化目标，则得到最优电路个体，进入电路实现阶段；

（5）将最优电路个体转换为VHDL程序；

（6）在进化滤波电路中加入消除竞争与冒险机制；

（7）将噪声图像进过FPGA滤波电路得到滤波图像。

上述技术方案中，所述二阶段进化策略分为一阶段和二阶段：

一阶段进化，将进化群体经过（2+λ）ES进化策略选取2个最优个体并通过2个个体的变异操作生成种群中的其他个体，再以为目标进行单目标进化，若未达到最大限定的进化代数，则重复该阶段，若达到最大限定的进化代数，则进入二阶段进化；