利用飞速发展的FPGA技术,在图像采集前端实现Bayer插值变换。比较了常用的3种插值方法,选用计算复杂度较高但图像质量最佳的Optimal Recovery方法。采用Lattice的FPGA芯片LFECP2-M50,实现1 208×1 024图像,12 f/s,实时Bayer转换。给出了实时采集图像结果,显示了插值变换前的原始图像,计算了变换后图像的峰值信噪比PSNR。总结基于FPGA的彩色图像Bayer插值变换实现方法,利用FPGA技术,采用并行算法结构,实时实现了大尺寸图像Bayer转换。

传统的基于矢量或基于矩阵的遥感图像去噪方法在去噪过程中可能导致空间域和光谱域失真。为了提高去噪效果的同时尽量降低失真,提出了一种多线性加权核范数最小化方法。首先,考虑到遥感图像的谱连续性和按三模展开矩阵的相互依赖性,构建了一种多线性秩来建模遥感图像的空间和谱非局部相似性。然后,为了使该方法更易于处理,采用基于变量分裂的方法来解决此优化问题。实验结果表明:该方法在客观度量和主观视觉质量两个方面都较目前最先进的方法都有较大的提高。

应用2D-VMD算法对图像信号进行去噪,以提升图像质量。采用2D-VMD技术对含有噪声的轴承缺陷图像进行分解,将其分解为有限个固有模态函数(IMF)分量;利用模糊线性指数和标准差筛选各IMF分量,剔除噪声项,实现图像去噪。对比2D-VMD去噪算法和均值滤波、中值滤波的去噪效果,使用均方差和峰值信噪比对去噪后的图像进行客观评价。结果表明:使用2D-VMD算法去噪效果更好,去噪后的图像能保留更多有效信息、图像质量更好,能够满足铁路部门对轴承检修的需求。