摘要：Bayer阵列被广泛地应用于CMOS/CCD(complementary metal oxide semiconductor/charge-coupled device)等前端传感器中,用以对彩色图像进行压缩编码。通过解马赛克算法将Bayer阵列还原为红、绿、蓝彩色阵列,算法性能影响着成像有效分辨率和纹理细节。随着半导体工艺的发展和目标识别等新型应用需求的提出,图像设备向着高分辨率、低延迟的方向发展,原有的解马塞克算法遇到性能瓶颈。提出了一种基于FPGA(field programmable gate array)的实时解马赛克算法,能够准确地提取图像局部梯度方向并以引导实现色彩的插值复原,整体算法仅需7行数据延迟。算法设计充分考虑FPGA的硬件特点,设计了行缓存、梯度算子、梯度方向插值等模块,降低硬件开销。实验表明,本文算法在实现微米级延迟的同时,保持了对图像纹理细节区域的复原效果,在柯达数据集上的平均峰值信噪比达到38.26 dB。

摘要：针对前端采集的模拟视频图像无法在后端数字式显示器上显示的问题,提出一种基于MCU+WSC2810平台的视频转换适配器设计方案.首先通过解码模块将模拟信号变为数字信号,然后进行去隔行变换、帧频提升、分辨率变换等算法实现,再对其做OSD图像叠加处理,最后经过LVDS编码输出,从而实现了把隔行扫描、分辨率为720×576、25Hz的PAL制模拟视频信号转变为逐行扫描、分辨率为1024×768、60Hz的LVDS视频信号输出.通过对开发的硬件系统进行实测,验证了该方案的有效性.

摘要：在实际应用检测模型时,由于真实场景和训练数据集间的差异,检测算法的效果受到较大影响。为了在目标场景中获得更好的检测效果,通常需要采集、标注数据后训练,不仅成本高昂且流程复杂。提出基于注意力机制的全局-实例域适应检测算法与系统,仅需采集部分真实场景数据即可进行迁移学习,实现模型快速训练和边缘端-云端结合的远程部署。该域适应检测算法中,基于注意力机制的全局特征对抗学习算法可减弱背景特征在迁移学习中的负作用;基于字典学习的实例级特征对齐方法,对实例级特征进行高精度对齐。经过实验对比,本文的方法达到了接近SOTA(state-of-the-art)的水平,并通过消融实验定量地证明了本方法对于域适应检测效果的提升。本文将提出的域适应检测技术与具有数据传输链路的边缘端系统结合,在实际场景中使检测效果提升近10个点。