Thiết Kế Lõi IP Triệt Nhiễu Ảnh Sử Dụng Biến Đổi Contourlet

Luận văn thạc sĩ kỹ thuật điện tử trình bày thiết kế lõi IP triệt nhiễu ảnh bằng biến đổi contourlet, ứng dụng trong xử lý tín hiệu.

• Tác giả: Lê Quốc Bảo Trí
• Người hướng dẫn: TS. Trương Quang Vinh
• Trường học: Đại học Bách Khoa - ĐHQG TP.HCM
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Thiết Kế Lõi IP Triệt Nhiễu Ảnh Sử Dụng Biến Đổi Contourlet
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: TP. Hồ Chí Minh

Tóm tắt

I. Tổng Quan Về Thiết Kế Lõi IP Triệt Nhiễu Ảnh 55 ký tự

Nâng cao chất lượng ảnh là một vấn đề phức tạp do sự đa dạng của các loại nhiễu. Việc triệt nhiễu ảnh và nâng cao chất lượng ảnh thời gian thực còn khó khăn hơn do yêu cầu thuật toán phức tạp. Các phương pháp lọc nhiễu truyền thống như Mean, Gaussian, Median có thể làm mất chi tiết ảnh. Các phương pháp hiện đại sử dụng biến đổi ảnh như Wavelet, Curvelet, Contourlet để phân tích ảnh thành các tham số đặc trưng. Biến đổi Contourlet là một cải tiến vượt trội hơn Wavelet, cho phép phân tích ảnh với các đặc điểm về thời gian, tần số, vị hướng và đa phân giải, giúp loại bỏ nhiễu dễ dàng hơn. Tuy nhiên, phép biến đổi Contourlet rất phức tạp, khó xử lý trong thời gian thực. Vì vậy, cần phải có thiết bị phần cứng hỗ trợ xử lý thời gian thực. Đề tài tập trung vào việc thiết kế lõi IP cho triệt nhiễu ảnh sử dụng biến đổi contourlet để đạt được hiệu năng cao.

1.1. Tầm quan trọng của việc triệt nhiễu ảnh trong xử lý ảnh

Triệt nhiễu ảnh là một bước tiền xử lý quan trọng trong xử lý ảnh. Mục đích chính là giảm nhiễu đồng thời giữ lại các đặc trưng và chi tiết của hình ảnh. Các phương pháp lọc nhiễu truyền thống có thể loại bỏ nhiễu nhưng cũng làm mất đi các cạnh và chi tiết quan trọng. Vì vậy, các phương pháp sử dụng biến đổi contourlet được ưu tiên hơn do khả năng phân tích đa hướng và đa phân giải. Các phương pháp triệt nhiễu ảnh được áp dụng rộng rãi trong nhiều lĩnh vực, bao gồm ảnh y tế, ảnh vệ tinh, và ảnh kỹ thuật số.

1.2. Giới thiệu về biến đổi Contourlet và ưu điểm so với Wavelet

Biến đổi Contourlet là một phép biến đổi cải tiến vượt trội hơn Wavelet, cho phép phân tích hình ảnh thành các băng con với các đặc điểm về thời gian, tần số, vị hướng, đa phân giải và không đăng hướng. So với Wavelet Transform, biến đổi Contourlet biểu diễn hiệu quả các đường biên trơn và cho kết quả triệt nhiễu ảnh tốt hơn. Theo Do và Vetterli (2005), biến đổi Contourlet có khả năng bắt các đường cong một cách hiệu quả hơn so với wavelet, một lợi thế lớn trong việc bảo toàn các chi tiết ảnh.

II. Thách Thức và Yêu Cầu Khi Triệt Nhiễu Ảnh Thời Gian Thực 58 ký tự

Việc triệt nhiễu ảnh thời gian thực đặt ra nhiều thách thức về mặt tính toán và hiệu năng. Các thuật toán phức tạp cho kết quả tốt thường khó hiện thực hóa trên phần cứng để xử lý thời gian thực. Thiết kế lõi IP cần phải đảm bảo tốc độ xử lý cao, tiết kiệm năng lượng và diện tích chip. Yêu cầu đặt ra là phải tối ưu hóa kiến trúc phần cứng, lựa chọn thuật toán phù hợp và sử dụng các công cụ thiết kế hiệu quả. Việc đánh giá hiệu năng bằng các chỉ số như PSNR và SSIM là rất quan trọng để đảm bảo chất lượng ảnh sau khi triệt nhiễu.

2.1. Các yếu tố ảnh hưởng đến hiệu năng của lõi IP triệt nhiễu ảnh

Hiệu năng của lõi IP triệt nhiễu ảnh bị ảnh hưởng bởi nhiều yếu tố, bao gồm độ phức tạp của thuật toán, kiến trúc phần cứng, và công nghệ chế tạo. Việc sử dụng biến đổi Contourlet đòi hỏi tính toán phức tạp, cần tối ưu hóa để giảm độ trễ và tăng thông lượng. Kiến trúc phần cứng cần được thiết kế để tận dụng tối đa khả năng song song và giảm thiểu số lượng tài nguyên sử dụng. Công nghệ chế tạo ảnh hưởng đến tốc độ xử lý và tiêu thụ năng lượng.

2.2. Đánh giá hiệu quả của các phương pháp triệt nhiễu ảnh PSNR SSIM

Hiệu quả của các phương pháp triệt nhiễu ảnh thường được đánh giá bằng các chỉ số như PSNR (Peak Signal-to-Noise Ratio) và SSIM (Structural Similarity Index). PSNR đo tỷ lệ giữa tín hiệu và nhiễu, trong khi SSIM đo mức độ tương đồng về cấu trúc giữa ảnh gốc và ảnh đã được triệt nhiễu. Giá trị PSNR và SSIM càng cao thì chất lượng ảnh càng tốt. Việc sử dụng cả hai chỉ số này giúp đánh giá một cách toàn diện hiệu quả của phương pháp triệt nhiễu ảnh.

III. Phương Pháp Triệt Nhiễu Ảnh Sử Dụng Biến Đổi Contourlet 57 ký tự

Phương pháp triệt nhiễu ảnh sử dụng biến đổi Contourlet bao gồm các bước chính: phân tích ảnh bằng biến đổi Contourlet, áp dụng ngưỡng (thresholding) lên các hệ số Contourlet, và tái tạo ảnh bằng biến đổi Contourlet ngược. Việc lựa chọn ngưỡng phù hợp là rất quan trọng để đảm bảo loại bỏ nhiễu mà không làm mất chi tiết ảnh. Các phương pháp chọn ngưỡng khác nhau, chẳng hạn như ngưỡng cứng (hard thresholding) và ngưỡng mềm (soft thresholding), có thể ảnh hưởng đến kết quả cuối cùng. Cần thực hiện thực nghiệm và mô phỏng để tìm ra phương pháp chọn ngưỡng tối ưu.

3.1. Phân tích ảnh bằng biến đổi Contourlet Laplacian Pyramid DFB

Phân tích ảnh bằng biến đổi Contourlet bao gồm hai giai đoạn chính: phân tích đa phân giải bằng Laplacian Pyramid (LP) và phân tích hướng bằng Directional Filter Bank (DFB). Laplacian Pyramid phân tách ảnh thành các băng tần số khác nhau, trong khi Directional Filter Bank phân tích các băng tần số này theo nhiều hướng khác nhau. Sự kết hợp của LP và DFB cho phép biến đổi Contourlet nắm bắt được các đặc trưng về tần số và hướng của ảnh một cách hiệu quả. Theo Do và Vetterli, DFB được thiết kế để cung cấp phân tích hướng tốt hơn Wavelet, cho phép tái tạo chính xác hơn các đường cong trong ảnh.

3.2. Áp dụng ngưỡng thích nghi để triệt nhiễu trong miền Contourlet

Sau khi phân tích ảnh bằng biến đổi Contourlet, bước tiếp theo là áp dụng ngưỡng lên các hệ số Contourlet để loại bỏ nhiễu. Phương pháp ngưỡng thích nghi (adaptive thresholding) cho phép điều chỉnh ngưỡng theo từng hệ số hoặc từng vùng ảnh, giúp bảo toàn chi tiết ảnh tốt hơn. Các phương pháp ngưỡng thích nghi có thể dựa trên thống kê của các hệ số Contourlet hoặc dựa trên thông tin từ các vùng lân cận. Việc lựa chọn phương pháp ngưỡng thích nghi phù hợp có thể cải thiện đáng kể hiệu quả triệt nhiễu ảnh.

IV. Thiết Kế Lõi IP Triệt Nhiễu Ảnh Bằng Verilog VHDL 54 ký tự

Thiết kế lõi IP cho triệt nhiễu ảnh sử dụng biến đổi Contourlet đòi hỏi kiến trúc phần cứng hiệu quả và ngôn ngữ mô tả phần cứng phù hợp (ví dụ, Verilog, VHDL). Kiến trúc đường ống (pipeline) thường được sử dụng để tăng tốc độ xử lý. Lõi IP cần được thiết kế sao cho dễ dàng tích hợp vào các hệ thống lớn hơn. Việc sử dụng các công cụ phần mềm thiết kế mạch như Quartus Prime hoặc Vivado là rất quan trọng để tối ưu hóa thiết kế và kiểm tra lỗi.

4.1. Kiến trúc phần cứng cho biến đổi Contourlet CT và biến đổi ngược ICT

Kiến trúc phần cứng cho biến đổi Contourlet (CT) và biến đổi ngược ICT cần được thiết kế để tối ưu hóa tốc độ xử lý và giảm thiểu tài nguyên sử dụng. Các khối tính toán chính như Laplacian Pyramid và Directional Filter Bank cần được hiện thực hóa bằng các mạch số hiệu quả. Việc sử dụng kiến trúc song song và kiến trúc đường ống có thể giúp tăng thông lượng và giảm độ trễ. Theo tài liệu tham khảo, việc thiết kế pipeline cho CT và ICT có thể cải thiện đáng kể hiệu suất của lõi IP.

4.2. Xây dựng các module phần cứng chính DFB LP ngưỡng ICT...

Việc xây dựng các module phần cứng chính như DFB, LP, khối ngưỡng (thresholding), và ICT cần được thực hiện cẩn thận để đảm bảo hiệu năng cao và độ chính xác. Các module này cần được kiểm tra và mô phỏng kỹ lưỡng trước khi tích hợp vào lõi IP hoàn chỉnh. Việc sử dụng thư viện IP sẵn có có thể giúp giảm thời gian phát triển và tăng độ tin cậy của thiết kế.

V. Thử Nghiệm và Đánh Giá Lõi IP Trên FPGA Cyclone 52 ký tự

Việc thử nghiệm và đánh giá lõi IP trên FPGA Cyclone là bước quan trọng để đảm bảo tính đúng đắn và hiệu năng của thiết kế. Các công cụ mô phỏng như ModelSim được sử dụng để kiểm tra chức năng của lõi IP trước khi triển khai trên phần cứng. Việc đo lường tốc độ xử lý, tiêu thụ năng lượng, và chất lượng ảnh sau khi triệt nhiễu là rất quan trọng để đánh giá hiệu quả của thiết kế.

5.1. Môi trường kiểm tra IP trên ModelSim và Quartus Prime

Môi trường kiểm tra IP sử dụng ModelSim để mô phỏng chức năng và Quartus Prime để tổng hợp và triển khai trên FPGA. ModelSim cho phép kiểm tra các tín hiệu và dữ liệu bên trong lõi IP, đảm bảo tính đúng đắn của thiết kế. Quartus Prime cung cấp các công cụ để tối ưu hóa thiết kế cho FPGA và tạo ra file cấu hình. Việc kết hợp ModelSim và Quartus Prime giúp đảm bảo rằng lõi IP hoạt động đúng như mong đợi trên phần cứng.

5.2. Thử nghiệm và đánh giá hiệu năng lõi IP trên FPGA Cyclone

Việc thử nghiệm và đánh giá hiệu năng lõi IP trên FPGA Cyclone bao gồm đo lường tốc độ xử lý, tiêu thụ năng lượng, và chất lượng ảnh sau khi triệt nhiễu. Các chỉ số PSNR và SSIM được sử dụng để đánh giá chất lượng ảnh. Kết quả thử nghiệm giúp xác định các điểm nghẽn và tối ưu hóa thiết kế để đạt được hiệu năng tốt nhất.

VI. Kết Luận và Hướng Phát Triển Của Lõi IP Triệt Nhiễu 54 ký tự

Đề tài đã trình bày phương pháp thiết kế lõi IP cho triệt nhiễu ảnh sử dụng biến đổi Contourlet. Kết quả thực nghiệm cho thấy lõi IP có khả năng triệt nhiễu ảnh hiệu quả với tốc độ xử lý cao. Hướng phát triển tiếp theo có thể tập trung vào việc tối ưu hóa kiến trúc phần cứng để tiết kiệm năng lượng, mở rộng ứng dụng của lõi IP cho các loại ảnh khác nhau, và tích hợp lõi IP với các hệ thống xử lý ảnh lớn hơn.

6.1. Tổng kết các kết quả đạt được trong thiết kế lõi IP

Lõi IP triệt nhiễu ảnh sử dụng biến đổi Contourlet đã được thiết kế và thử nghiệm thành công. Lõi IP có khả năng triệt nhiễu ảnh hiệu quả với tốc độ xử lý đáp ứng yêu cầu thời gian thực. Các chỉ số PSNR và SSIM cho thấy chất lượng ảnh sau khi triệt nhiễu được cải thiện đáng kể.

6.2. Hướng phát triển tiếp theo và ứng dụng tiềm năng của lõi IP

Hướng phát triển tiếp theo có thể tập trung vào việc tối ưu hóa kiến trúc phần cứng để tiết kiệm năng lượng và giảm diện tích chip. Có thể mở rộng ứng dụng của lõi IP cho các loại ảnh khác nhau, chẳng hạn như ảnh y tế, ảnh vệ tinh, và ảnh video. Việc tích hợp lõi IP với các hệ thống xử lý ảnh lớn hơn, chẳng hạn như hệ thống giám sát và hệ thống chẩn đoán y tế, cũng là một hướng phát triển tiềm năng.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA LÊ QUÓC BẢO TRÍ THIET KE LOI IP TRIỆT NHIÊU ANH SỬ DỤNG BIEN DOI CONTOURLET Chuyên ngành: Kỹ Thuật Điện Tử Mã so: 60 52 70 TP. HO CHÍ MINH, tháng 12 năm 2013 Công trình được hoàn thành tại: Trường Dai học Bách Khoa-DHQG- HCM Cán bộ hướng dẫn khoa hỌC: .- =6 s t3 S583 E123 vs rvvserved (Ghi rõ họ, tên, học hàm, học vi và chữ ký) Cán bộ chấm nhận Xét 1: .- - s6 EESESEEESESEEESESEEeEseserecee (Ghi rõ họ, tên, học hàm, học vi và chữ ký) Cán bộ chấm nhận Xét 2: .-- - - + skE+kSkEESESEEESESEEESESEEEErkrkreree (Ghi rõ họ, tên, học hàm, học vi và chữ ký) Luận văn thạc sĩ được bảo vệ tại Trường Dai học Bach Khoa, ĐHQG Tp. Thanh phan Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vi của Hội đông cham bảo vệ luận văn thạc sĩ) Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nêu có). CHỦ TỊCH HỘI ĐÔNG TRƯỞNG KHOA ĐIỆN-ĐIỆN TỬ ĐẠI HỌC QUOC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC BÁCH KHOA Độc lập - Tự do - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: LE QUOC BẢO TRÍ MSHV: 12140050 Ngày, tháng, năm sinh: 23/07/1989 Nơi sinh: Thừa Thiên Huế Chuyên ngành: Kỹ Thuật Điện Tử Mã số: 60 52 70 I.

TÊN DE TÀI: THIẾT KE LOI IP TRIỆT NHIÊU ANH SỬ DỤNG BIEN DOI CONTOURLET II. NHIỆM VU VÀ NỘI DUNG. NGÀY GIAO NHIEM VU: (Ghi theo trong QD giao dé tài). NGÀY HOÀN THÀNH NHIEM VU: (Ghi theo trong QD giao dé tài).

CAN BO HUONG DAN: (Ghi rõ hoc hàm, học vị, họ, tên). CÁN BỘ HƯỚNG DAN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO (Họ tên và chữ ký) (Họ tên và chữ ký) TRƯỞNG KHOA ĐIỆN ĐIỆN TỬ (Họ tên và chữ ký) Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh LỜI CÁM ƠN Tôi xin chân thành cắm ơn quý thay cô trường Đại Học Bách Khoa TP Hồ Chi Minh, những người đã truyền dat cho tôi những kiến thức và kinh nghiệm quý báu frong suốt khóa học cao học tại truong. Tôi xin được gửi lời cam on sâu sac đến thay — TS.

Truong Quang Vinh. Thay đã hướng đây tận tình, tạo cho tôi cách tw duy và làm việc khoa hoc, và hướng cho tôi đến các dé tài khoa học mới mẽ. Tôi xin cam ơn các ban học viên, sinh viên làm việc tại phòng Lab 116 BI đã nhiệt tình giúp đỡ tôi trong suốt quá trình thực hiện luận văn. Tôi xin gửi lời cảm ơn đến gia đình, bạn bè đã luôn động viên và ung hộ, giúp tôi có thêm động lực dé hoàn thành dé tài.

Hô Chí Minh, 28/11/2013 Hoc vién Lé Quoc Bao Tri HVTH: Lê Quốc Bảo Trí i Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh TOM TAT Nang cao chat lượng anh luôn là một vấn đề phức tạp vì các loại nhiễu ảnh rất đa dạng như nhiễu Gauss, nhiễu xung, nhiễu hạt tiêu, nhiễu liên khung hình. Thực hiện việc lọc nhiễu và nâng cao chất lượng ảnh thời gian thực còn khó khăn hơn vì thuật toán phức tạp cho kết quả tốt thì không thể hiện thực trên phần cứng để xử lý thời gian thực. Các phương pháp lọc nhiễu truyền thống thường dựa vào bộ lọc trong miền không gian như bộ lọc Mean, Gaussian, Median,.

Các bộ lọc nhiễu hiện đại thường sử dụng công cụ biến đổi ảnh như FFT, DCT, hoặc Wavelet dé phân tích hình ảnh thành các tham số thể hiện được đặc tính cả không gian và tần số. Tuy nhiên, van đề triệt nhiễu luôn cần được cải tiễn và nâng cao dé thỏa mãn yêu cầu chất lượng hình ảnh ở ngõ ra. Đề tài này thực hiện nghiên cứu giải thuật lọc nhiều ảnh dựa trên phép biến đổi Contourlet, là một phép biến đổi cải tiến vượt trội hon Wavelet. Phép biến đối Contourlet cho phép phân tích hình ảnh với các đặc điểm về thời gian, tần số, Vi tri, hướng.

va đa phan giải. Nhờ tính chất này, loc nhiễu trong miền Contourlet có thé thực hiện dé dàng bằng phương pháp cắt ngưỡng tín hiệu. Tuy nhiên phép biến đổi Contourlet rất phức tạp, khó xử lý trong thời gian thực. Vì vậy, cần phải có thiết bị phân cứng để hỗ trợ xử lý trong thời gian thực.

Dựa trên giải thuật lọc nhiễu anh dé nghị, dé tài thực hiện thiết kế phần cứng và phát triển lõi IP để triệt nhiễu ảnh trong thời gian thực. Lõi IP được thiết kế trên ngôn ngữ Verilog với kiến trúc đường ống (pipeline) để có thể xử lý ảnh thời gian thực. Việc kiểm định IP được thực hiện trên FPGA Cyclone III của hang Altera. HVTH: Lê Quốc Bảo Tri ii Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS.

Trương Quang Vinh ABSTRACT Image enhancement is always a complex problem because the image noise is diverse as Gaussian noise, impulse noise, pepper noise. Denoising and improving image in the real-time is even more difficult because they require heavy computation and they are hardly implemented on the hardware for real-time processing. The traditional denoising methods are based on filters in the spatial domain as Mean filter, Gaussian, Median, etc. Modern noise filters usually use image transform tools such as FFI, DCT, or Wavelet to decompose image into coefficients which present both the spatial and frequency characteristics.

However, the denoising problem always needs to be improved and enhanced to satisfy the requirements of output image quality. This project researches image denoising algorithm using Contourlet transform which surpassed Wavelet transform. Contourlet is a new emerging transformation method to decompose an image into subbands which are characterized as time, frequency, location, direction, and multi-resolution. Based on these characteristics, Contourlet transform is effectively applicable for video and image desnoising.

However, the heavy computation of contourlet transform makes it hard to apply for real-time image processing. Thus, hardware implementation is a solution to enhance processing time of Contourlet transform. Based on the proposal image denoising algorithm, we implemented the proposed hardware architecture in Bitec development kit using Cyclone III FPGA. The hardware architecture is described in Verilog language.

In order to achieve highest throughput, we design full pipeline architecture for hardware design. Eventually, the video denoising design was packaged as an IP core with Avalon interface. HVTH: Lê Quốc Bảo Tri iii Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh LỜI CAM ĐOAN Tôi cam đoan các kết quả dé tài thực hiện chưa từng công bồ trong bat kỳ công trình khoa học trước đây.

Người cam đoan Lê Quoc Bảo Tri HVTH: Lê Quốc Bảo Trí iv Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh MỤC LỤC LOI CAM 0900. ii ABSTRACT ooo. ili LOI CAM 029000577.

Vv DANH MỤC CAC KÝ HIỆU, CAC CHỮ VIET TAT. eseecseessesssessseesseesneeseeesneesssesseesnessseenneeses vii DANH SÁCH HINH VE VA BANG BIÊU.-- 5+ tệ TH HH viii CHUONG 1: TONG QUAN VE ĐỀ TÀI.-- (5 SE S SE 9 5 1 E5 1 1 1 1 1 11111111111 1x ce.1 GiGi HhiGu GE 1008.2 Tinh hình nghién CỨU. ngờ 2 13 Mục tiêu và giới hạn để tài.4 Bố cục luận văn.- - c1 1911115111111 1011111 1H11 11 T110 TH HT ng ve, 6 CHƯƠNG 2: GIỚI THIEU VE BIEN DOI CONTOURLUET.2 Biến đổi Contourlet rời rạc (Multiscale and directional decomposifion).3 Phân tích mutiscale dùng Laplacian Pyrarmid.4 Directional Filter Bank IDecomPOSIẨIOIN.2 Bién di nguoc Contourlet 0207777.1 Laplacian Pyramid ReconSfTUCfIOTI.2 Directional Filter Bank ReconfTUCfIOW.- 5 5< 3 3101113999931 11 99955511 rre 16 CHƯƠNG 3: GIẢI THUẬT TRIET NHIÊU ANH TRONG MIEN CONTOURLET SỬ DỤNG PHƯƠNG PHAP PHAN LOẠI KHÔI ẢNH.1 Phân tích sự tác động của việc áp dụng ngưỡng lên các băng con Contourlet với các khôi ảnh có hướng khác nhau. -- - 2< 5E 11191 9319 K0 nghe 19 BLL Phan 0n cố .2 Sự tác động của việc áp dụng ngưỡng lên các băng con Contourlet với các khối ảnh M9801)ï150 3190:0018.2 Phương pháp triệt nhiễu ảnh trong miền Contourlet dựa trên phân loại khối ảnh.3 Kết quả thực nghiệm.

28 CHƯƠNG 4: THIẾT KE LÕI IP TRIỆT NHIÊU ANH .1 Thiết kế đặc tính lõi IIP.2 Cấu trúc phan cứng cho giải thuật triệt nhiễu ảnh sử dụng Contourlet.1 Cầu trúc phần cứng cho khối Contourlet Transform (CT).2 Cau trúc phan cứng khối Block Classification.3 Cau trúc phần cứng khối Denoise.----- ¿+ +22 2+ £2+E+E££££E£Ev£E+EeEezxrxersrrcree 44 HVTH: Lê Quốc Bảo Trí y Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh 4.4 Cau trúc phần cứng của khối Inverse Contourlet Transform (ICT) .3 Đóng gói lõi IP triệt nhiễu ảnh .--¿-¿ ¿2-22 S2222E2EE‡ESEEEEEEEEEEEkEErrrkrrrerrres 54 CHUONG 5: THÁM TRA THIET KE LOT IPueeeecccccccccccscsscsessssesesscsessesesesscseseseseescsesnessseeeeseaes 56 5.1 Môi trường kiểm tra lõi IP trên ModelSim và Matlab.2 Thử nghiệm 161 IP trên FPGA Cyclone [ID .-- -- - 5= «<< + x ££+++ + seeesss 62 CHUONG 6: KẾT LUẬN VA HƯỚNG PHAT TRIEN .2 Hướng phát triỂn. 77 HVTH: Lê Quốc Bảo Trí vỉ Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh DANH MỤC CAC KÝ HIỆU, CÁC CHỮ VIET TAT LP : Laplacian Pyramid.

DFBDEC : Direction Filter Bank Decomposition. QFBDEC : Quincunx Filter Bank Decomposition. LPR : Laplacian Pyramid Reconstruction. DFBREC : Direction Filter Bank Reconstruction.

QFBREC : Quincunx Filter Bank Reconstruction. CT : Contourlet Transform. ICT : Inverse Contourlet Transform. LP_LI : Laplacian Pyramid Decomposition Level 1.

LP_L2 : Laplacian Pyramid Decomposition Level 2. DFB_L1 : Direction Filter Bank Decomposition Level 1. DFB_L2 : Direction Filter Bank Decomposition Level 2. ATD_LI : Apdaptive Threshold Denoising Level 1.

ATD_L2 : Apdaptive Threshold Denoising Level 2. DFBR_L1 : Direction Filter Bank Reconstruction Level 1. DFBR_L2 : Direction Filter Bank Reconstruction Level 2. LPR_LI : Laplacian Pyramid Reconstruction Level 1.

LPR_L2 : Laplacian Pyramid Reconstruction Level 2. HVTH: Lê Quốc Bảo Tri vii Thiết kế lõi IP triệt nhiễu ảnh sử dụng biến doi Contourlet GVHD: TS. Trương Quang Vinh DANH SÁCH HÌNH VE VA BANG BIEU Hình 2.1: Minh hoa wavelets có hỗ trợ dang vuông chỉ có thé ? "bat “ được các điểm không liên A YD tuc,trong khi contourlets hồ trợ “bat” được các đoạn tuyên tính kéo đài nên có thê biêu diễn đoạn biên trơn chỉ với VAI NE SỐ. - «ket kề 1111111111111 1111511111111 S Hình 2.2: Bộ lọc băng Contourlet: trước tiên, phân tích mutiscale vào các băng bang Laplacian pyramid, sau đó băng lọc hướng được áp vào mỗi kênh.3: Laplacian Pyramid DeCOIDOSÍIOH.

SG Họ re 9 Hình 2.4: Kết qua mô phóng Laplacian Pyramid bằng Matlab. - 5255555 ce+xeesrecee: 10 Hình 2.5: Direction Filter Bank ở mức n=3 tạo ra 2” vùng TAN SO.---- 5c cc5cce+esccrececec 11 Hình 2.6: (a) Diamond-Shaped Filter, (b) Fan-Shaped Filter .7: Sơ đồ DFBDEC level 1, level 2.8: Sơ đồ DFBDEC level 3 trở len.9: Sơ đồ khối QFBDEC level. «<< 5< SE EEEEEEE5135 51111511 11111111 1111111110111 re.10: Sơ đồ khối QFBDEC level 2. -- + <5 < SE SE SESk SE EEEEEEEEE351511 151111111111 11111111 111111.11: Vi du vé 2 todin tie Qo Vl Oj.