基于可重构处理器的视觉信息主处理子系统研究

摘要

可重构处理器兼具了ASIC方式的高效性和GPP方式的灵活性，可以很好地应用于计算量大但是并行化程度高的视频处理领域，充分发挥其并行计算高效性和可配置工作灵活性的优势。因此，利用可重构方式实现的视觉信息处理系统正逐渐成为一个新的研究热点。
　　本文首先介绍了基于可重构处理器的视觉处理与演示系统的整体架构、系统的工作流程和数据流。随后介绍了视频采集子系统的结构和输出时序，论述了视频拼接主处理子系统与可重构处理器系统间图像数据和控制信息的传输方式。对主处理子系统进行了设计:包括I2C转PLB的桥接电路，实现了主处理系统和单片机的通信;PLB转UART的桥接电路，实现了主处理系统和后处理子系统的通信;对DDR读写电路进行设计，实现了视频数据缓存的功能。此外，本文将Retinex图像增强算法在可重构处理器模型上进行了映射分解，使其能够在通用可重构处理器上并行执行。同时，为了尽量减小计算量，本文提出了一种快速实现的随机喷洒Retinex图像增强算法，该算法在保证图像增强质量的同时，能够有效地提高算法执行效率。
　　本文使用Modelsim软件对所设计的模块进行了仿真，同时基于FPGA开发板进行了功能验证。将Retinex图像增强算法在基于Soc Designer的可重构处理器仿真测试平台和基于Intel Atom230的通用处理器测试平台上进行了串并行程序的性能分析与对比。实验结果表明，用并行流水方法实现的Retinex算法在程序执行效率上是传统串行方法的4.13倍，发挥了可重构处理器执行复杂图像处理算法时并行计算的优势。对于文中提出的快速实现随机喷洒Retinex算法(SRSR)，基于MATLAB的仿真结果表明，SRSR相比于原始Retinex算法，图像的色彩系数、信息熵和标准差等指标基本一致，但算法运行速度提高了25.6倍，适用于有更高速度需求的领域。

目录

声明

摘要

第一章 绪论

1．1 可重构计算综述

1．2 可重构视觉信息处理技术

1．2．1 可重构处理器的发展

1．2．2 并行视觉信息处理系统简介

1．3 本文的研究内容和主要工作

1．4 论文的组织结构

第二章 视觉处理与演示系统整体架构

2．1 系统总体架构设计

2．2 系统工作流程及数据流分析

2．3 视频采集子系统

2．3．1 视频采集子系统结构

2．3．2 视频采集子系统输出时序

2．4 主处理子系统与GReP接口方案

2．4．1 主处理子系统与GReP的数据接口

2．4．2 主处理子系统与GReP控制信息接口

第三章 主处理子系统设计

3．1 主处理子系统总线接口模块

3．1．1 PLB总线协议

3．1．2 I2C总线协议

3．1．3 UART总线协议

3．1．4 桥接电路模块设计

3．2 视频制式转换电路

3．3 视频数据存储单元

3．3．1 DDR工作原理

3．3．2 DDR存储控制器

3．3．3 视频帧缓存模块设计

第四章 基于GReP的并行图像增强技术和改进

4．1 Retinex图像增强算法

4．1．1 Retinex算法原理

4．1．2 Retinex算法计算流程

4．2 基于可重构处理器的Retinex算法并行优化

4．2．1 可重构阵列结构

4．2．2 Retinex算法的并行分析和映射

4．3 Retinex图像增强算法的改进

4．3．1 随机喷洒Retinex算法

4．3．2 改进型随机喷洒Retinex算法

4．3．3 改进型随机喷洒Retinex算法流程

第五章 实验结果与分析

5．1 硬件电路仿真

5．1．1 FPGA验证平台

5．1．2 主处理子系统仿真实现结果

5．2 Retinex算法串行性能测试

5．3 Retinex算法并行性能测试

5．4 改进型随机喷洒Retinex算法的实验结果分析

5．4．1 主观效果分析

5．4．2 客观指标评测

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

发表论文和科研情况说明

致谢