Khóa Luận Tốt Nghiệp: Thiết Kế Và Hiện Thực Phương Pháp Nén Ảnh Hiệu Quả Trên Phần Cứng Microshift

• Tác giả: Vũ Đức Thế
• Người hướng dẫn: TS. Lâm Đức Khải
• Trường học: Đại học Công nghệ Thông tin - Đại học Quốc gia Thành phố Hồ Chí Minh
• Chuyên ngành: Kỹ thuật máy tính
• Đề tài: Thiết kế và hiện thực phương pháp nén ảnh hiệu quả trên phần cứng Microshift
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Thành phố Hồ Chí Minh

• LỜI CÁM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN ĐỀ TÀI
• 1.1. Giới thiệu nén ảnh
• 1.2. Các khái niệm cơ bản
• 1.2.1. Pixel (Picture element): Phần tử ảnh
• 1.2.2. Nén dữ liệu
• 1.2.3. Tỷ lệ nén - CR
• 1.3. Mục tiêu của đề tài
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Lượng tử hóa trong nén ảnh
• 2.2. Phương pháp nén không mất mát - lossless compression
• 2.3. Phương pháp nén mất mát - lossy compression
• 3. CHƯƠNG 3: KIẾN TRÚC THIẾT KẾ PHẦN CỨNG HỆ THỐNG
• 3.1. Mô tả tổng quan hệ thống
• 3.2. Quy trình thực hiện hệ thống
• 3.3. Mô tả Image Compression Core
• 3.4. Sơ đồ khối thiết kế
• 3.5. Thiết kế chi tiết
• 3.5.1. Thiết kế khối Microshift
• 3.5.2. Thiết kế khối Line Buffer
• 3.5.3. Thiết kế khối Texture Vector Calculator
• 3.5.4. Thiết kế khối Select mode
• 3.5.5. Thiết kế khối Inter-intra Prediction
• 3.5.6. Thiết kế khối Intra prediction (Subimage 1)
• 3.5.7. Thiết kế khối Inter prediction (Subimage 2-9)
• 3.5.8. Thiết kế khối Error mapping
• 3.5.9. Thiết kế khối Golomb encode
• 3.5.10. Thiết kế khối Run length
• 3.5.11. Thiết kế khối Runlength accumulator
• 3.5.12. Thiết kế khối Runlength encode
• 4. CHƯƠNG 4: KẾT QUẢ HIỆN THỰC THIẾT KẾ
• 4.1. Phương pháp đánh giá
• 4.2. Mô phỏng từng khối
• 4.2.1. Mô phỏng khối Microshift
• 4.2.2. Mô phỏng khối Line buffer
• 4.2.3. Mô phỏng khối Texture vector calculator
• 4.2.4. Mô phỏng khối Check end of line
• 4.2.5. Mô phỏng khối Select state
• 4.2.6. Mô phỏng khối Intra prediction (Subimage 1)
• 4.2.7. Mô phỏng khối Inter prediction (Subimage 2-9)
• 4.2.8. Mô phỏng khối Error mapping
• 4.2.9. Mô phỏng khối Golomb encode
• 4.2.10. Mô phỏng khối Runlength encode
• 4.2.11. Mô phỏng khối Runlength accumulator
• 4.2.12. Mô phỏng khối Image Compression Core
• 4.3. Tổng hợp kết quả và so sánh với các công trình liên quan
• 4.3.1. Kết quả kiến trúc đề xuất đạt được
• 4.3.2. Kết quả mô phỏng phần mềm — Matlab
• 4.3.3. Kết quả mô phỏng phần cứng — Quartus & Modelsim
• 4.3.4. So sánh kết quả mô phỏng phần cứng và phần mềm
• 4.3.5. So sánh mục tiêu đề ra và kết quả đạt được của kiến trúc đề xuất
• 4.3.6. So sánh kết quả mô phỏng với kiến trúc nén Microshift
• 4.3.7. So sánh phần mềm
• 4.3.8. So sánh phần cứng
• 4.3.9. So sánh với một số bài báo khác thực hiện trên FPGA
• 4.3.10. So sánh với hệ thống nén JPEG
• 4.3.11. So sánh với hệ thống nén biến đổi rời rạc 2D
• 4.3.12. So sánh với các bài báo khác thực hiện trên SoC
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
• 5.1. Khó khăn gặp phải
• 5.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO

I. Thiết kế phương pháp nén ảnh

Khóa luận tập trung vào thiết kế phương pháp nén ảnh hiệu quả trên phần cứng Microshift. Phương pháp này kết hợp giữa nén mất mát và không mất mát, nhằm giảm dung lượng ảnh mà vẫn đảm bảo chất lượng. Kỹ thuật nén ảnh được áp dụng bao gồm lượng tử hóa, dự đoán nội bộ và mã hóa Golomb. Quá trình thiết kế được mô tả chi tiết từ việc xử lý ảnh thô bằng Matlab đến việc triển khai trên phần cứng.

1.1. Lượng tử hóa và dự đoán nội bộ

Quá trình lượng tử hóa giảm số bit biểu diễn mỗi pixel, tạo ra các giá trị lượng tử. Dự đoán nội bộ sử dụng các pixel lân cận để dự đoán giá trị pixel hiện tại, giúp giảm thông tin dư thừa. Phương pháp này được thực hiện trên phần cứng Microshift, đảm bảo tốc độ xử lý cao.

1.2. Mã hóa Golomb và Run length

Mã hóa Golomb và Run-length được sử dụng để nén sâu hơn các dữ liệu đã được lượng tử hóa. Các chuỗi bit nhị phân được tạo ra từ quá trình này, giúp giảm đáng kể dung lượng ảnh. Phương pháp này đạt tỉ lệ nén 1.5 bit/pixel, hiệu quả hơn so với các thuật toán nén ảnh trên chip khác.

II. Hiện thực phương pháp nén ảnh

Phương pháp nén ảnh được hiện thực trên phần cứng Microshift, với các khối chức năng như Microshift, Line Buffer, và Texture Vector Calculator. Quá trình hiện thực bao gồm mô phỏng từng khối trên phần mềm Matlab và triển khai trên phần cứng sử dụng Quartus và Modelsim. Kết quả mô phỏng cho thấy thiết kế đạt tần số tối đa 172 MHz, đáp ứng yêu cầu về tốc độ xử lý.

2.1. Mô phỏng từng khối chức năng

Các khối chức năng như Microshift, Line Buffer, và Texture Vector Calculator được mô phỏng chi tiết trên Matlab. Kết quả mô phỏng cho thấy hiệu quả của từng khối trong việc xử lý và nén ảnh. Các waveform được ghi lại và phân tích để đảm bảo tính chính xác của thiết kế.

2.2. Triển khai trên phần cứng

Thiết kế được triển khai trên phần cứng Microshift sử dụng Quartus và Modelsim. Kết quả triển khai cho thấy thiết kế đạt tần số tối đa 172 MHz, đáp ứng yêu cầu về tốc độ xử lý. Các thông số như PSNR, SSIM, và BPP được đánh giá để đo lường hiệu quả của phương pháp nén.

III. Phương pháp nén ảnh hiệu quả trên phần cứng Microshift

Phương pháp nén ảnh được đề xuất trong khóa luận đạt hiệu quả cao trên phần cứng Microshift. Thiết kế kết hợp giữa lượng tử hóa, dự đoán nội bộ, và mã hóa Golomb, giúp giảm dung lượng ảnh mà vẫn đảm bảo chất lượng. Kết quả mô phỏng và triển khai cho thấy phương pháp này hiệu quả hơn so với các thuật toán nén ảnh trên chip khác.

3.1. Tối ưu hóa nén ảnh

Phương pháp nén ảnh được tối ưu hóa để đạt hiệu quả cao trên phần cứng Microshift. Các kỹ thuật như lượng tử hóa, dự đoán nội bộ, và mã hóa Golomb được kết hợp để giảm dung lượng ảnh mà vẫn đảm bảo chất lượng. Kết quả mô phỏng cho thấy phương pháp này đạt tỉ lệ nén 1.5 bit/pixel.

3.2. So sánh với các phương pháp khác

Phương pháp nén ảnh được so sánh với các thuật toán nén ảnh trên chip khác như JPEG và 2D-Discrete Wavelet. Kết quả cho thấy phương pháp đề xuất hiệu quả hơn về tỉ lệ nén và tốc độ xử lý. Thiết kế đạt tần số tối đa 172 MHz, đáp ứng yêu cầu về tốc độ xử lý trong các ứng dụng thực tế.

IV. Khóa luận tốt nghiệp kỹ thuật máy tính

Khóa luận tốt nghiệp kỹ thuật máy tính tập trung vào thiết kế và hiện thực phương pháp nén ảnh hiệu quả trên phần cứng Microshift. Nghiên cứu này đóng góp vào lĩnh vực công nghệ nén ảnh, cung cấp một giải pháp hiệu quả cho việc nén ảnh trên phần cứng. Kết quả nghiên cứu có thể ứng dụng trong các hệ thống giám sát, y học, và truyền thông.

4.1. Đóng góp của khóa luận

Khóa luận đóng góp vào lĩnh vực công nghệ nén ảnh bằng cách đề xuất một phương pháp nén ảnh hiệu quả trên phần cứng Microshift. Nghiên cứu này cung cấp một giải pháp hiệu quả cho việc nén ảnh trên phần cứng, đáp ứng nhu cầu về tốc độ xử lý và chất lượng ảnh.

4.2. Ứng dụng thực tế

Kết quả nghiên cứu của khóa luận có thể ứng dụng trong các hệ thống giám sát, y học, và truyền thông. Phương pháp nén ảnh hiệu quả trên phần cứng Microshift giúp giảm dung lượng ảnh mà vẫn đảm bảo chất lượng, đáp ứng nhu cầu truyền tải và lưu trữ ảnh trong các ứng dụng thực tế.