嵌入式微处理器在电子硬盘控制器中的应用

探讨采用Nios嵌入式微处理器作为电子硬盘控制器的CPU，用现场可编程门阵列(FPGA)实现LPN2031C型电子硬盘控制器的解决方案。     

改进BIRCH算法的MRI脑图像分割

针对现有磁共振常规扫描序列对于颅脑白质、灰质信号相近分辨不清,解剖病变欠佳,难以达到临床高精准诊断的需求,选用改进的BIRCH算法,首先将3维MRI体数据经过预处理,由灰度与梯度组成特征向量,然后利用Cophenet相关系数,确定最优参数---分支因子B、阈值T,最后通过定义可调节线段L,改进原BIRCH算法仅将数据样...     

基于双Nios Ⅱ的红外图像实时Otsu局部递归分割算法设计

针对传统Otsu局部递归分割方法很难实时实现的局限性,提出了一种适合FPGA(现场可编程门阵列)中N iosⅡ软核处理器实现的快速Otsu局部递归分割算法,该算法的思路是把一次Otsu分割得到的目标区域作为新的图像再进行一次Otsu分割,得到的结果作为最终分割阈值。利用并行N iosⅡ和VHDL实现的硬件加速逻辑协同设计保证算法的实时实现。实验结果表明,在不同的背景下,利用本文设计能够实时稳定地对目标分割提取,具有较好的鲁棒性。     

基于神经网络的图像分割算法在FPGA上的实现

脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)是一种新型神经网络模型,作为研究图像分割的常用方法,一直广受关注.针对目前大量文献关注PCNN模型仿真实现研究的情况,本文基于PCNN模型提出了将最小交叉熵分割算法在FPGA硬件平台上进行实现.相比于传统的PCNN软件实现以及最大信息熵分割算法实现的方案,本文提出的图像分割方案最佳分割精准度高,具有处理速度快,实时性强,图像分割效果好的优势,应用范围更广,因此该设计具有较高实际应用价值.     

SOPC技术在嵌入式音频播放系统中的应用

Altrea公司Nios Ⅱ软核概念的提出及SOPC软硬件综合解决方案,在一定的应用场合颠覆了传统的嵌入式设计理念,从硬件和软件整体设计上极大推动了嵌入式系统设计,使得嵌入式的硬件电路更加简单、有效、易于理解;软件设计更加轻松,移植性更强。本文介绍的基于Nios Ⅱ软核的嵌入式便携音频播放系统设计充分说明了软硬件协同处理的优点,体现了Nios Ⅱ软核符合技术发展的潮流,即硬件设计软件化。     

基于FPGA的视频图像加密系统的设计与实现

随着可编程逻辑器件的发展,FPGA的应用为高速数字视频图像处理提供了新的解决方案。文章的视频图像加密系统是基于Altera公司DE2-70开发平台设计实现的。系统主要由图像的采集输入模块、图像的加密处理模块和图像显示输出模块三个模块组成。对Arnold变换和骑士巡游变换两种视频图像加密算法的对比分析,选定了基于Arnold变换和骑士巡游变换相结合的复合置乱加密算法对视频图像进行加解密处理。在NiosIIIDE环境下对算法进行编程并调试。     

基于SOPC的图像采集及传输系统设计

基于SOPC技术设计了一种软硬件结合的图像采集及传输系统,针对以往缓存在SDRAM中的图像数据对NiosⅡ的不可见性,提出在FPGA上采用SOPC技术实现图像采集、格式转换、图像缓存,通过设计基于DMA的高速缓存IP核,实现NiosⅡ对图像数据的实时、准确读取及传输。实验结果表明,该系统克服了以往缓存在SDRAM中的图像数据对NiosⅡ的不可见性,实现了对任意位置的图像数据准确、高效地读取,有利于扩充各种软件算法。     

基于细胞免疫的红外图像分割算法及FPGA实现

在工业生产中,高温蒸汽管道通常被用于输送高温蒸汽、高温工业废水等,但为了安全,管道通常被放置在环境比较复杂的地方,不利于工人对管道的检测与维护。快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分,已经成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求,基于细胞免疫机制提出了一种改进的Otsu算法,该算法通过红外图像中管道以及复杂背景的特征,能够计算出两个不同的阈值并将其分别用于图像中管道的提取与复杂背景的区分。借助QuartusⅡ软件搭建了基于FPGA的软硬件系统平台,实现了数据通信传输,并对改进的Otsu算法进行验证。实验结果表明,该算法应用在红外管道图像中能取得较好的效果。与几种边缘检测算子和经典Otsu算法相比,无论是在管道的分割,还是复杂背景的区分,本文算法都具有较高的真阳率(True Positive Rate, TPR)和较低的假阳率(False Positive Rate, FPR)。     

数据压缩的FCM算法用于人脑MRI图像的分割

针对模糊C均值聚类（Fuzzy C—means clustering，FCM）算法在人脑磁共振成像（Magnetic Resonance Imaging，MRI）图像分割中存在的计算量大、运行时间过长的问题，提出一种加速方法。首先利用边界跟踪法对人脑MRI图像进行预处理，剔除颅骨和肌肉等非脑组织；然后通过数据压缩，即通过对相近的像素进行量化并聚合来减少像素个数；最后用FCM算法对大脑结构进行分割，结果得到脑白质、灰质和脑脊液图像区域。该方法能够使数据量大为减少，从而使FCM在图像分割中更加快速有效。     

基于WFCM算法在MRI图像分割中的应用

模糊C均值聚类(FCM)算法是一种基于非监督聚类算法。样本加权模糊C均值聚类(WFCM)算法是FCM算法的改进,该算法能够明显提高收敛速度和聚类的准确性。无论是FCM算法还是WFCM算法,对噪声都相对敏感,而且聚类数目仍然需要人工确定。在此提出一种改进算法,首先通过偏微分方程(PDE)降噪算法对原始脑MRI医学图像进行处理;其次利用聚类有效性确定最佳聚类数目,对WFCM算法进行改进;最后利用本文改进算法对图像进行聚类分割。实验表明,该方法是一种具有自动分类能力、抗噪性较好的模糊聚类图像分割算法。     

NiosⅡ的红外图像实时跟踪系统设计

目前国内多数红外图像实时跟踪系统采用DSP为核心处理器的结构,存在电路复杂、成本高的缺点。开发在FPGA中实现以NiosⅡ为核心的红外图像实时跟踪系统,采用NiosⅡ实现目标跟踪算法,利用硬件实现图像预处理,软硬件协同完成实时跟踪,实验结果表明,系统体积小、功耗低、实时性强,在复杂的天空背景下,能够稳定、精确地跟踪飞行目标。     

基于NIOS Ⅱ内核的嵌入式SOPC开发板的实现

随着信息化技术的发展和数字化产品的普及,以计算机技术、芯片技术和软件技术为核心的嵌入式系统成为当前研究的热点。SOPC是Altera公司提出的一种灵活,高效的片上系统设计方案。重点介绍基于NiosⅡ内核处理器的嵌入式板上系统的开发流程,并详细阐述以NiosⅡ为内核的嵌入式SOPC开发板的设计。     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。     

子宫肌瘤MRI图像分割方法研究进展

本文为了提高医生工作效率和分割准确性,寻求一种快速且准确的子宫及子宫肌瘤自动分割方法具有重要的研究意义。本文对近年来子宫及子宫肌瘤MRI图像分割方法进行了总结,包括水平集、区域生长等一些传统分割方法以及最新的深度学习分割方法。最后在文末对子宫及子宫肌瘤分割领域未来的发展方向进行展望。     

红外图像处理中平台实时直方图均衡器的SOC实现

平台直方图均衡算法是红外图像处理中一种很有效的图像增强方法。鉴于以往实时红外图像处理系统中,该算法的硬件实现过于复杂,性价比不高,软件操作极不灵活等缺陷,在巧妙地引入FPGA(现场可编程门阵列)技术的最新成果NiosⅡ软核微处理器后,经过合理的软硬件规划,将该算法以SOC(片上系统)的方式实现,弥补了以往算法的不足,具有很大的工程应用价值。     

Nios Ⅱ系统在数字式心电诊监测设备中的应用

数字式心电监测设备采用先进的SOPC技术,在FPGA中嵌入了32位NiosⅡ软核系统,用以控制心电信号的采集、处理、存储与显示等功能。系统设计时充分利用可编程逻辑器件的可在线编程特点和SOPC的技术优势,灵活、快捷地将所有的功能模块完全集中在一片FPGA上,使其电路硬件结构简单,功能齐全,具有很高的性价比。详细介绍了NiosⅡ系统在监测设备中的设计过程和部分接口程序,并且利用该监测设备进行了实测,效果良好。     

基于NiosⅡ软核的嵌入式多路视频点播系统

随着公路及铁路系统基础建设的不断扩展,长途客运及旅游业正飞速发展。为了提高客运服务标准,吸引更多客源,不少交通运营单位开始更换高级客车及旅客列车上旧式的车载影碟播放系统,改用功能更强大、互动性更强的视频点播系统。针对传统视频点播系统主要依靠视频服务器作为载体、系统性价比不高的问题,介绍了Ahera SOPC平台上嵌入式多路视频点播系统的实现方案。通过NiosⅡ控制用户自定义模块以乒乓操作的方式实现对硬盘视频数据与两片内存间的DMA（直接存储器存取）传输,根据用户的指令,将分区存储的视频数据经解码后发送到相应用户终端,从而满足多路视频数据的并行点播。     

基于FPGA的水平集图像分割算法加速器

水平集算法因其出色的性能,在图像分割领域中得到了广泛的应用。同时,与基于深度学习的图像分割算法相比,水平集算法不需要训练数据,大幅降低了数据标记带来的工作量。然而,目前水平集算法主要是基于软件开发,涉及大量复杂的计算,以及计算的多次迭代,导致较高的处理延时与功耗。为了加快水平集算法的处理速度和降低功耗,该文提出了一种基于FPGA的水平集图像分割算法加速器,其中包含4个设计创新点：任务级并行处理、图像分块像素级并行处理、全流水线处理架构、分时复用的梯度和散度算子处理。实验结果表明,与在CPU上执行的水平集算法相比,该文提出的硬件加速器处理速度提升10.7倍,功耗仅为2.2 W。     

基于FPGA的水平集图像分割算法加速器

水平集算法因其出色的性能,在图像分割领域中得到了广泛的应用.同时,与基于深度学习的图像分割算法相比,水平集算法不需要训练数据,大幅降低了数据标记带来的工作量.然而,目前水平集算法主要是基于软件开发,涉及大量复杂的计算,以及计算的多次迭代,导致较高的处理延时与功耗.为了加快水平集算法的处理速度和降低功耗,该文提出了一种基于FPGA的水平集图像分割算法加速器,其中包含4个设计创新点:任务级并行处理、图像分块像素级并行处理、全流水线处理架构、分时复用的梯度和散度算子处理.实验结果表明,与在CPU上执行的水平集算法相比,该文提出的硬件加速器处理速度提升10.7倍,功耗仅为2.2 W.     

一种三维分割算法在超声序列图像分割中的应用

图像分割在医学超声图像的定量分析和定性分析中具有重要的作用,它直接影响到后续的分析和处理工作。对于具有复杂特性的医学超声图像,传统的图像分割算法难以获得满意的效果。文中提出了基于一维Otsu方法的三维分割算法,具有快速性和准确性的优点。该方法应用于B超图像,实现了序列图像的自动分割,与普通的一维Otsu法相比,具有更好的分割效果。