An Optimized HW/SW Implementation of the Vector Median Rational Hybrid Filter for Real-Time Color Image Denoising
Notice bibliographique
Résumé
The presence of noise in an image can significantly diminish its visual quality and adversely affect the accuracy of subsequent image processing tasks.Therefore, it is imperative to enhance image quality in real-time by eliminating disturbances introduced during the image acquisition or transmission process.This paper proposes an efficient and optimized implementation of the vector median rational hybrid filter (VMRHF) specifically tailored for real-time color image denoising.This filter is crafted to harness the capabilities of both the vector median filter and the rational operator, enabling effective noise reduction while maintaining the integrity of edges, image details, and chromaticity.However, the hybrid architecture in the VMRHF filter brings about an increase in computational complexity.To address this complexity, the filter is implemented in a Hardware/Software (HW/SW) codesign context, capitalizing on the strengths of both hardware and software components.The software component is created using the C/C++ programming language and operates on the ARM Cortex-A53 processor with a clock frequency of 1.2 GHz, while the high-level synthesis (HLS) flow is employed to develop the hardware portion, implemented as a coprocessor in the Zynq UltraScale+ XCZU9EG FPGA.Nevertheless, in the pursuit of crafting an optimized hardware architecture for VMRHF, specific directives like ARRAY_PARTITION and PIPELINE are progressively incorporated into the VMRHF C code using the Xilinx Vivado HLS tool.The interaction between the hardware and software parts is streamlined through the AXI-stream interface, facilitated by three Direct Memory Access (DMA) units for efficient data parallel transfer, thereby boosting data throughput.The VMRHF HLS design is evaluated on the embedded ZCU102 kit.The experimental outcomes illustrate that our design is capable of restoring a 256256 color image within 19 ms, reflecting a substantial 94% decrease in execution time compared to the software design.This notable improvement is achieved while upholding consistent image quality, as indicated by both objective measures such as peak signal-to-noise ratio (PSNR) and subjective assessments.These results hold true across various levels of "salt and pepper" impulsive noise.Besides, our design exhibits a power consumption of merely 4.46 watts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».