FPGA在数字图像处理中的应用与研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题背景及研究意义 | 第8页 |
| ·数字图像处理技术发展现状 | 第8-10页 |
| ·图像质量评价发展现状 | 第10-11页 |
| ·本文主要研究内容及结构安排 | 第11-13页 |
| 第二章 FPGA 技术介绍 | 第13-21页 |
| ·可编程逻辑器件 | 第13-14页 |
| ·FPGA 发展历程 | 第14-15页 |
| ·FPGA 开发技术 | 第15-20页 |
| ·硬件描述语言 | 第15-16页 |
| ·QuartusⅡ | 第16-17页 |
| ·LPM 宏功能模块库 | 第17页 |
| ·FPGA 开发流程 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 EPSNR 算法 | 第21-27页 |
| ·PSNR 算法 | 第21-22页 |
| ·HVS | 第22-23页 |
| ·EPSNR 概要 | 第23-24页 |
| ·EPSNR 数学原理 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于 FPGA 的 EPSNR 实现 | 第27-37页 |
| ·总体框架 | 第27页 |
| ·边缘检测模块的实现 | 第27-32页 |
| ·输入缓冲模块实现 | 第27-29页 |
| ·卷积模块实现 | 第29-31页 |
| ·二值化模块实现 | 第31-32页 |
| ·峰值性噪比模块实现 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于神经网络的 EPSNR 改进方案 | 第37-44页 |
| ·MOS 评分 | 第37-38页 |
| ·IQM 模块的设计 | 第38-39页 |
| ·线性神经网络原理 | 第39-41页 |
| ·神经网络结构 | 第39-40页 |
| ·神经网络学习算法 | 第40-41页 |
| ·IQM 模块的实现 | 第41-43页 |
| ·系数的确定 | 第41-42页 |
| ·FPGA 的实现 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 系统性能仿真及分析 | 第44-60页 |
| ·性能指标 | 第44-46页 |
| ·基本性能期望 | 第44-45页 |
| ·主要性能指标 | 第45-46页 |
| ·测试数据库 | 第46-48页 |
| ·仿真结果及分析 | 第48-57页 |
| ·系统对各类图像性能差异的深入探究 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间发表的论文 | 第65页 |
