一、基于JPEG的SAR图像压缩的C语言实现（论文文献综述）
杨光[1]（2020）在《频谱浓缩小波包的C语言实现》文中指出许多图像、视频的编码标准,如JPEG、H.264,由于变换基函数的不连续,在低比特率条件下的重构图像会出现方块效应。为了解决这个问题,许多技术应运而生。这些技术可以分为两大类:1)使用全局变换,即变换有重叠的基函数;2)使用前置、后置滤波操作。不同于上述的两类方法,本文将介绍一种以频谱浓缩小波包算法为基础,对图像的DCT频谱进行子带分解的算法。相比于传统的子带/小波分解和普遍的重叠正交变换,新的算法有着更低的复杂度和更高的编码效率。本文通过两种方法比较变换的稀疏性,分别为1、统计二维变换的非零点系数的个数2、统计三维变换不同频率的子带熵编码后平均每个符号所需的比特数。本文使用C语言实现了JPEG基本系统,并通过替换其中的变换部分来比较不同变换的性能。最终的实验结果表明本文介绍的算法能显着地减轻方块效应;在中高比特率条件下,它的编码效率显着地优于其它变换。为了使新算法更好地应用,本文将根据新算法的特点,采用C语言将其实现并提出一种全新的计算结构。新的结构利用图像数据在内存中存储有序的特点,通过减少数据寻址的时间来减少实际计算的时间,因此它不仅不会增加任何额外的计算量,而且能适当地减少存储资源的开销。实验结果也表明新的结构确实能提高算法的计算效率。
宋超[2]（2019）在《合成孔径雷达实时成像算法优化与系统开发》文中指出现代战场环境日益复杂,为雷达精确制导带来了更加严峻的挑战。为了从复杂的战场环境中准确提取出目标,并对其进行打击,必须使用合成孔径雷达获取疑似目标的高分辨图像并进行目标识别。一方面,由于弹载平台机动性较强,且无法配备高精度惯导系统,回波数据中会存在大量运动误差,从而导致弹载SAR成像算法复杂度高,另一方面,弹载应用的特殊性要求成像算法必须在足够短的时间内完成处理,这种情况下,弹载SAR实时成像面临巨大挑战。为了克服弹载SAR实时成像的瓶颈,本文对弹载SAR实时成像算法优化与系统开发进行了研究。首先,本文研究了弹载SAR成像算法和惯导数据运动补偿原理,为后续算法实现打下理论基础。其次,本文研究了TMS320C6678多核DSP芯片的架构、裸机与BIOS操作系统两种编程方法和裸机编程优化方法,并基于多核DSP平台实现了弹载SAR成像算法,构建了一套弹载SAR信号处理系统。然后,为了进一步提高弹载SAR成像算法的实时性,本文研究了嵌入式GPU的硬件架构和编程方法,又基于嵌入式GPU平台对弹载SAR成像算法进行了实现与优化,并与多核DSP实现作对比,获得了近9倍的加速比,这表明GPU在运算加速方面的优势明显。为了促进嵌入式GPU在弹载平台的应用,本文又设计了基于嵌入式GPU的弹载SAR信号处理系统软硬件架构。最后,为了对基于多核DSP的弹载SAR成像算法实现进行验证,设计并开发了一套数字仿真测试系统软件,该软件系统使用Qt GUI库实现,与弹载SAR信号处理系统共同构成半实物仿真测试系统,半实物仿真系统的运行和测试结果表明,本文所述的弹载SAR实时成像算法成像质量较好,且满足实时性要求。
付雷[3]（2014）在《基于FPGA实时图像压缩算法的实现》文中认为为验证高速平台上实时SAR成像的效果,需将图像实时传到地面,由于高分辨SAR图像数据量较大而遥测的传输能力有限,传统的图像压缩方法无论是在压缩比还是在实时性上均无法满足当前的需求。本文对传统的图像压缩算法进行了改进,使其更适用高速平台上的要求并充分利用了FPGA的可并行处理以及流水操作的性能,设计实现了针对光学和SAR图像通用的具有高压缩比和高实时性的图像压缩系统。1.在传统图像压缩算法的基础上,提出了压缩性能更好的改进图像压缩算法,这种算法通过减少小波变换的阶数、对小波系数矩阵中代表对角细节分量的HH1子带不编码以及对不同的小波子带采用不同的精炼次数的方式来提高压缩比以及减少运算量。2.在进行图像预处理时,采用了统计直方图的量化方式将像素点为16位的值量化成8位,这种量化方式与传统的量化方式相比降低了图像中噪声对量化的影响;同时利用在实时成像过程中,相邻两幅图像的目标场景重叠度高的特点,对当前图像量化所需要的参数使用前一幅所统计出来的值,这样便可以将统计直方图和量化并行运行,提高了图像像素点量化的实时性。3.基于FPGA实现二维提升小波变换时,先流水取系数矩阵的前三行进行小波变换,当进行下一次小波变换时,重复取上一次的最后一行作为下次小波变换输入的开始行;这相对于传统方法先将行向量进行奇偶分离再进行小波变换的方法节约了存储器资源。当行变换生成了四个高频分量和四个低频分量时,对高频分量和低频分量同时进行列小波变换,实现了行变换和列变换的并行运行,提高了图像压缩的实时性。4.基于FPGA实现SPIHT编码时,首先将根节点、直接后代和间接后代分别放到三个不同的存储器中,进行系数精炼时,将确定为重要的系数值（LSP）存储到特定的寄存器中,每次精炼后,更新三个存储器中的值,直到精炼结束,这样处理大大减少了程序的复杂性,减少了逻辑的嵌套,提高了程序的稳定性;在进行编码操作时将二维提升小波变换生成的子模块并行编码,提高了实时性。5.对实验的结果进行了分析,改进SAR图像压缩算法峰值信噪比（PSNR）为31.59dB,图像压缩比为8.23:1,均高于传统的图像压缩算法。在实时性方面,对于320x256大小的图像,在频率100M的情况下,需要4.489ms;对于2048x2048点的SAR图像压缩时间为180.863ms,可满足PRF为10k以内的实时SAR成像系统。验证了改进方案具有压缩比高,失真度低,实时性高的优点,因此能满足高速平台上图像压缩系统的要求。
钱宏博[4]（2014）在《基于多核DSP的雷达实时成像及JPEG压缩实现》文中研究指明合成孔径雷达（SyntheticAperture Radar, SAR）具有全天候、全天时、远距离成像和高分辨率成像等特点，在军事和民用领域得到了广泛应用。随着数字信号处理技术和合成孔径雷达成像算法的不断发展，对合成孔径雷达回波信号进行实时处理，并实现高分辨率的实时成像成为了研究的新热点。本文重点研究了基于多核DSP的正侧视SAR实时成像处理技术，同时从SAR图像数据量大，无法及时回传的问题出发，在多核DSP上成功实现了对SAR图像的JPEG实时压缩。简述了SAR成像的基本原理，重点介绍了距离--多普勒算法（Range--Doppler，RD）的流程。为满足此次实时成像处理过程中的大数据量、大运算量和快速运算等能力的要求，我们以基于多核DSP的板卡为基础来进行算法的设计。然后介绍了该信号处理板卡的结构，说明了信号处理系统中板卡间的接口联系，详细阐述了具体多核间的算法映射及软件实现，并给出了实时的实验结果。实验结果表明多核DSP的处理完全满足高实时性的要求，而且具有较高的精确度。最后，简述了JPEG标准及JPEG压缩后的图像输出格式，阐述了JPEG压缩在多核DSP上实现的具体流程，软件设计的方案，说明了针对其特点所做出的软件优化，在不影响图像的质量的前提下，尽可能地提高压缩比，最后给出了实验所用SAR图像压缩前和压缩处理后的对比图，效果理想。
李生[5]（2014）在《基于高级语言的彩色图片压缩算法硬化设计》文中进行了进一步梳理随着FPGA技术的快速发展，所支持的高级硬件平台呈现高速、并行性、原型数字系统快速开发和可优化等特点；另一方面，在信息时代，数字图像压缩技术得到了广泛应用，其中，JPEG图像压缩算法最为经典。利用硬件平台实现图像压缩算法很好的利用了FPGA高速、并行性和可优化的优点。本文通过算法硬件化技术的发展历程，研究并对比传统的算法硬化设计技术，分析和归纳最新的基于C-to-HDL技术的算法硬化方法。综合考虑开发方式、开发效率等因素，提出采用高级语言Handel-C进行算法硬件化开发的方法并详细介绍了其开发流程。本文在分析和研究JPEG压缩算法基本原理的基础上，提出采用Handel-C进行JPEG压缩算法硬化设计方案，实现压缩算法的各个功能模块。利用Handel-C支持硬件并行性的特点，在JPEG压缩算法中，DCT模块和量化模块采用二路并行，Z扫描模块采用四路并行。由于各功能模块引入并行性，提高了JPEG压缩算法的执行效率。算法的硬件化验证，采用Altera公司DE2-115开发板搭建的图像压缩系统的验证平台。在此平台上完成基于高清彩色图像（1080p，1920*1080）的图像压缩系统的测试、验证工作。对测试验证结果的分析表明，用Handel-C进行JPEG压缩算法硬件化设计具有良好的压缩性能指标：压缩获得图片的压缩比在20倍以上，PSNR在40dB以上。论文工作对于今后采用Handel-C进行算法硬化系统开发具有一定参考和借鉴作用。
王嘉玮[6]（2013）在《基于Handel-C的图像压缩算法硬件化研究》文中进行了进一步梳理随着多媒体技术的高速发展，越来越多的复杂算法，包括图像处理算法，图像压缩算法等用软件来执行已经不能满足实时系统对于算法执行效率和速度的要求。因而，算法的硬件化越来越受到重视，使用FPGA来进行复杂算法的硬件化已经成为研究的热点。本论文主要研究基于Handel-C的算法硬件化技术，并用该技术完成了静止图像压缩算法的JPEG设计，并在FPGA开发板上进行了静止图像压缩算法的验证。论文从一般算法硬件化技术入手，分析并对比了传统算法硬件化与基于Handel-C算法硬件化技术的差异，给出了基于Handel-C算法硬件化的设计流程。分析了JPEG算法的原理，完成了基于Handel-C的JPEG算法硬件化设计。对JPEG算法中的DCT以及IDCT和熵编码部分做了优化处理，提高了静止图像压缩系统的性能以及处理的速度。最后以Altera公司的DE2开发板作为验证平台，分别以一幅512*512的灰度图像和一幅533*400的彩色图像为例，完成了JPEG算法在FPGA上的实现和验证。本论文通过设计JPEG算法的硬件实现，证明了使用Handel-C进行算法硬件化设计的可行性与正确性，并在硬件资源足够的情况下，改进算法的结构，有效地实现了算法的并行性。该论文对于复杂算法硬件化研究做了探索，对于今后用FPGA实现视频实时处理有一定的参考作用。
李涛,田松,许悦雷,郭忠[7]（2012）在《基于降斑处理的SAR图像实时压缩系统》文中指出为了对SAR图像进行实时压缩和本地存储,基于FPGA和ADV212芯片,利用空域增强Lee滤波算法,设计实现了SAR图像实时降斑压缩系统。测试结果表明,在降斑处理基础上,系统能对大数据量SAR图像进行压缩,产生JPEG2000格式码流,满足实时性、压缩模式和压缩比可选的要求,可支撑目标探测、区域监控等任务应用。
程光权[8]（2010）在《基于方向小波图像处理与几何特征保持质量评价研究》文中提出随着科学技术的发展,以及人们需求的日益提高,从一维信号处理中发展起来的经典图像处理算法,已越来越难满足人们对高质量图像处理的需求。小波等经典图像处理方法忽略了高维数据的本征几何结构特征,并不是适于图像数据结构的视觉最优图像处理方法。因此,为了改善各类图像处理算法的效果,必须从图像数据的本身结构特点出发,根据人眼视觉系统特性,结合实际应用背景需求,设计真正适合于图像数据特征的图像处理算法。图像数据的离散属性,以及结构的复杂特性,决定了在数字图像处理过程中,建立符合视觉感知特点的适于应用背景的精确模型的困难性。本文在深入研究图像数据视觉感知特点的基础上,针对传统图像压缩、分辨率增强以及质量评价算法设计中的不足,对算法设计中的一些关键问题做出了深入研究。本文的主要工作和创新包括以下几个方面:1.针对基于小波变换图像压缩方法的不足,结合图像数据几何结构特征,提出了基于边缘导向的正交小波变换图像压缩方法。该方法在继承经典小波变换优点的基础上,能够充分理解图像数据的方向奇异结构特性,有效地利用图像数据空间不均匀的特性,提高图像压缩效率的同时,有效保护图像数据中人眼视觉感兴趣的几何奇异特征。同时,将方法根据SAR图像数据特点加以改进,拓展应用到SAR图像压缩中。2.针对传统插值方法的不足,提出了基于小波变换的边缘保持方向自适应图像插值方法。该方法通过改进双线性插值方法,自适应调整插值核函数,有效地保护了图像的边缘特征。同时结合小波变换的多分辨表示性能,有效地提高了插值图像的高频信息,并进行相关后处理,增强了图像的视觉效果。与传统方法比较,试验结果的主客观质量都得到了提高。3.在研究二分树复小波变换系数几何先验信息的基础上,建立了基于复小波变换的超分辨图像重建模型。该方法利用二分树复小波变换具有近似平移不变和灵活的方向选择性,实现图像的高效稀疏表示。同时,根据复小波变换系数模值和相位信息在边缘处的几何约束条件,结合超分辨重建问题,从而在复小波变换域建立一种新型的超分辨重建模型。最后,利用分裂Bregman方法实现模型的有效优化求解,得到高质量的超分辨率图像。4.针对传统质量评价方法的缺陷,根据视觉感知图像数据的特点,提出了基于几何结构失真模型的完全参考图像质量评价方法。该方法根据图像数据中引起视觉敏感的方向失真、幅度失真和锐度失真,建立了几何结构失真模型,物理意义明确,计算复杂度较低,符合人眼视觉感知特点,试验结果与主观预测结果具有很好的一致性。同时,利用小波变换与人眼视觉系统的多通道特性相匹配的特点,建立基于小波变换的几何结构失真模型的质量评价方法,试验结果验证了方法的有效性。5.根据自然图像统计先验信息,提出了基于边缘特征统计的部分参考型图像质量评价方法。图像边缘信息在人眼感知图像质量过程中占据着十分重要的地位,而自然图像的边缘统计分布符合一定的先验统计规律,该方法通过度量这种统计分布特征的变化程度预测图像质量,仿真试验对标准图像库中所有失真类型数据都得到较好的预测结果。总之,本文从图像数据结构特征出发,结合人眼视觉感知特性,解决基于方向小波图像处理算法与几何特征保持质量评价方法设计中的一些关键问题,获得了更加符合人眼视觉系统特性的试验结果。
聂剑萍[9]（2005）在《SAR成像数据的实时压缩研究》文中研究说明合成孔径雷达（SAR:Synthetic Aperture Radar）是现代雷达技术的重要发展方向之一。合成孔径雷达是一种先进的微波对地观测设备,具有全天候、全天时工作的特点。数据压缩技术是合成孔径雷达必须具备的关键技术,随着SAR分辨率、测绘带宽等性能指标的不断提高,SAR输出的数据率大大增加。尤其对于未来的星载SAR,将从目前仅获取雷达原始数据向同时完成星载实时成像的技术水平发展。这样,数据压缩算法就需要满足对SAR的原始数据和图像数据同时压缩处理的需求。本文应某研究所的要求,结合真实机载合成孔径雷达成像后的BMP图像数据和浮点模图像数据,分别对应研究了采用基于改进的静态图像压缩标准JPEG的压缩方法和基于DCT的自适应区域编码压缩方法,实验表明取得了较理想的压缩效果。本文首先介绍了合成孔径雷达的发展现状,接着简要介绍了机载合成孔径雷达的原理以及合成孔径雷达数据的分类,随后介绍了研究合成孔径雷达成像数据压缩算法的目的和意义,并介绍了本文的主要工作。第2章介绍了数据压缩理论及静态图像压缩的发展概况。第3章介绍了静态图像压缩的标准JPEG,对其进行了改进,并应用于合成孔径雷达的成像数据的压缩、第4章介绍了基于DCT的不同压缩编码方法,对合成孔径雷达的32位浮点模图像数据进行定值整倍数比的压缩;最后的结束语对全文工作进行了总结,提出了进一步研究的方向与设想。
聂剑萍,汪勤峰[10]（2004）在《基于JPEG的SAR图像压缩的C语言实现》文中研究说明在对通用软件的提炼、修改基础上 ,用标准C语言实现基于JPEG的SAR图像数的压缩 ,实验结果证明相对其它可实现SAR图像压缩的方法 ,JPEG压缩性能最佳 ,同时硬件也容易实现 .
二、基于JPEG的SAR图像压缩的C语言实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于JPEG的SAR图像压缩的C语言实现（论文提纲范文）
（1）频谱浓缩小波包的C语言实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外发展现状 |
| 1.3 论文的主要工作 |
| 1.4 本文章节安排 |
| 第2章 频谱浓缩小波包的理论基础 |
| 2.1 变换编码的基本原理 |
| 2.1.1 变换编码的基本思想 |
| 2.1.2 正交变换的物理意义 |
| 2.1.3 变换编码的基本系统 |
| 2.2 离散傅里叶变换 |
| 2.2.1 离散傅里叶变换的定义 |
| 2.2.2 快速离散傅里叶变换 |
| 2.3 离散余弦变换 |
| 2.4 重叠变换 |
| 2.4.1 方块效应 |
| 2.4.2 前置滤波与后置滤波 |
| 2.4.3 设计与结果 |
| 2.5 频谱浓缩小波包变换 |
| 2.5.1 频谱分解 |
| 2.5.2 频谱分解的性质 |
| 2.5.3 利用浓缩小波包变换实现频谱分解 |
| 2.5.4 频谱浓缩小波包,一种新型的重叠块变换 |
| 2.6 本章小结 |
| 第3章 频谱浓缩小波包的性能验证及提升实现 |
| 3.1 变换的稀疏性 |
| 3.1.1 变换稀疏性的定义 |
| 3.1.2 通过二维变换比较变换的稀疏性 |
| 3.1.3 通过三维变换比较变换的稀疏性 |
| 3.2 图像质量评价 |
| 3.2.1 峰值信噪比 |
| 3.2.2 图像质量的客观评价 |
| 3.2.3 图像质量的主观评价 |
| 3.3 频谱浓缩小波包的提升实现 |
| 3.3.1 离散余弦变换的快速算法 |
| 3.3.2 .影响DCT快速算法运行时间的因素 |
| 3.3.3 SCWP实现结构上的优化 |
| 3.3.4 优化结果验证 |
| 3.4 本章小结 |
| 第4章 总结与展望 |
| 4.1 总结 |
| 4.2 展望 |
| 参考文献 |
| 致谢 |
（2）合成孔径雷达实时成像算法优化与系统开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文内容与安排 |
| 第二章 弹载SAR实时成像算法 |
| 2.1 引言 |
| 2.2 成像算法原理 |
| 2.3 基于惯导数据的运动补偿 |
| 2.4 本章小结 |
| 第三章 基于多核DSP的信号处理设计 |
| 3.1 引言 |
| 3.2 信号处理平台简介 |
| 3.2.1 DSP芯片简介 |
| 3.2.2 硬件平台简介 |
| 3.2.3 DSP编程方式 |
| 3.3 基于DSP的实时成像算法软件设计与优化 |
| 3.3.1 概述 |
| 3.3.2 弹载SAR成像算法实现 |
| 3.3.3 弹载SAR成像算法优化 |
| 3.3.4 弹载SAR成像算法验证 |
| 3.3.5 程序烧写与自启动 |
| 3.4 基于多核DSP的弹载SAR信号处理系统设计 |
| 3.5 本章小结 |
| 第四章 基于嵌入式GPU的信号处理设计 |
| 4.1 引言 |
| 4.2 Jetson TX2平台简介 |
| 4.2.1 芯片与平台简介 |
| 4.2.2 GPU编程模型与编程方法 |
| 4.3 基于嵌入式GPU的实时成像算法优化与验证 |
| 4.3.1 实时成像算法实现与优化 |
| 4.3.2 实时成像算法验证 |
| 4.4 基于嵌入式GPU的弹载SAR信号处理系统设计 |
| 4.4.1 硬件架构设计 |
| 4.4.2 软件架构设计 |
| 4.5 本章小结 |
| 第五章 数字仿真测试系统设计与实现 |
| 5.1 引言 |
| 5.2 软件架构设计 |
| 5.2.1 设计需求分析 |
| 5.2.2 GUI框架选择与设计思想 |
| 5.2.3 软件架构实现 |
| 5.3 软件功能与实现 |
| 5.3.1 Qt编程概述 |
| 5.3.2 登录模块 |
| 5.3.3 主界面 |
| 5.3.4 通信协议与网络编程 |
| 5.4 半实物仿真系统测试 |
| 5.4.1 基于仿真数据的系统测试 |
| 5.4.2 基于回波模拟器的系统测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于FPGA实时图像压缩算法的实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 实时图像压缩技术的发展现状 |
| 1.3 论文的主要工作及章节安排 |
| 第二章 FPGA技术及设计方法 |
| 2.1 FPGA器件架构及选型 |
| 2.1.1 FPGA器件的架构 |
| 2.1.2 FPGA器件的选型 |
| 2.2 Verilog HDL开发 |
| 2.3 FPGA设计技巧及性能分析 |
| 2.3.1 时序性能的分析 |
| 2.3.2 资源分配 |
| 2.4 本章小结 |
| 第三章 改进的图像压缩算法 |
| 3.1 图像压缩技术简介 |
| 3.2 改进图像压缩算法流程 |
| 3.2.1 图像预处理 |
| 3.2.2 提升小波变换 |
| 3.2.3 量化 |
| 3.2.4 SPHIT编码 |
| 3.3 改进方案压缩性能分析 |
| 3.4 本章小结 |
| 第四章 基于FPGA的实时图像压缩技术 |
| 4.1 基于FPGA图像压缩的系统架构 |
| 4.2 基于FPGA的图像压缩算法实现 |
| 4.2.1 基于FPGA实现的图像预处理 |
| 4.2.2 基于FPGA的二维提升小波变换 |
| 4.2.3 基于FPGA实现的SPIHT编码 |
| 4.3 实验结果分析及性能测试 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于多核DSP的雷达实时成像及JPEG压缩实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 雷达成像的研究背景 |
| 1.2 实时SAR成像系统信号处理技术发展 |
| 1.3 本文的主要内容 |
| 第二章 RD成像算法 |
| 2.1 RD算法 |
| 2.1.1 基本的RD算法 |
| 2.1.2 改进的RD算法 |
| 2.2 参数估计和运动补偿 |
| 2.2.1 参数估计 |
| 2.2.2 运动补偿 |
| 2.3 本章小结 |
| 第三章 基于多核DSP的实时SAR成像处理设计 |
| 3.1 SAR成像处理板卡说明 |
| 3.2 处理算法流程 |
| 3.3 多核间算法映射 |
| 3.3.1 多核间的任务分配 |
| 3.3.2 数据的存储方式 |
| 3.3.3 矩阵转置 |
| 3.3.4 同步方式 |
| 3.4 成像算法的DSP软件实现 |
| 3.4.1 雷达信号处理子函数的编写 |
| 3.4.2 各功能模块的编写 |
| 3.5 处理时间分析 |
| 3.5.1 各子函数时间测试 |
| 3.5.2 各模块时间测试 |
| 3.6 实时成像处理结果 |
| 第四章 JPEG压缩在多核DSP上的实现 |
| 4.1 JPEG压缩算法 |
| 4.1.1 编码过程 |
| 4.1.2 JPEG文件格式 |
| 4.2 JPEG压缩实现的软件框架设计 |
| 4.2.1 JPEG压缩算法实现流程 |
| 4.2.2 初始化过程 |
| 4.2.3 图像分块 |
| 4.2.4 DCT变换和量化实现 |
| 4.2.5 Huffman编码实现 |
| 4.3 JPEG压缩实现多核分配及优化 |
| 4.3.1 JPEG压缩实现多核间任务分配 |
| 4.3.2 EDMA的使用 |
| 4.3.3 Cache一致性维护 |
| 4.3.4 JPEG压缩实现优化 |
| 4.4 压缩结果 |
| 第五章 结束语 |
| 5.1 论文工作总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士期间（合作）的研究成果 |
（5）基于高级语言的彩色图片压缩算法硬化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与结构安排 |
| 第二章 基于 Handel-C 的算法硬件化方法研究 |
| 2.1 算法硬件化 |
| 2.1.1 算法硬件化一般方法分析 |
| 2.1.2 基于高级语言的算法硬件化 |
| 2.2 高级语言到硬件描述语言的转换 |
| 2.2.1 C-to-HDL 转换技术 |
| 2.2.2 HDL 与 C-to-HDL 开发方式比较 |
| 2.3 Handel-C 高级语言与算法硬件化 |
| 2.3.1 Handel-C 语言特点 |
| 2.3.2 基于 Handel-C 的算法硬件化开发方法 |
| 2.4 本章小结 |
| 第三章 JPEG 算法硬件化设计方案 |
| 3.1 JPEG 压缩算法基本流程 |
| 3.1.1 颜色空间转换和采样 |
| 3.1.2 离散余弦变换 DCT 和逆离散余弦变换 iDCT |
| 3.1.3 量化与反量化 |
| 3.1.4 Z 扫描和熵编码 |
| 3.2 JPEG 压缩算法硬件化设计方案 |
| 3.3 本章小结 |
| 第四章 基于 Handel-C 的 JPEG 算法硬件化设计 |
| 4.1 Handel-C 与硬件逻辑电路的关系 |
| 4.2 Handel-C 语言的时序分析 |
| 4.3 JPEG 压缩算法各功能模块设计与实现 |
| 4.3.1 JPEG 压缩算法硬件化模块关系 |
| 4.3.2 离散余弦变换(DCT)功能模块 |
| 4.3.3 量化模块 |
| 4.3.4 Z 扫描模块和熵编码模块 |
| 4.3.5 外设支持模块 |
| 4.4 本章小结 |
| 第五章 JPEG 图像压缩系统的测试验证 |
| 5.1 软件开发环境 |
| 5.2 硬件验证平台 |
| 5.3 基于高清彩色图像的 JPEG 图像压缩系统测试与验证 |
| 5.4 本章小结 |
| 第六章 结束语 |
| 致谢 |
| 参考文献 |
（6）基于Handel-C的图像压缩算法硬件化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 项目研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 算法硬件化技术的国内外研究现状 |
| 1.2.2 图像压缩技术的国内外研究现状 |
| 1.3 主要工作及论文各章节安排 |
| 第二章 基于 Handel-C 的算法硬件化方法研究 |
| 2.1 一般算法硬件化分析 |
| 2.2 Handel-C 硬件算法语言 |
| 2.2.1 Handel-C 语言与开发环境 DK |
| 2.2.2 Handel-C 与并行程序设计 |
| 2.3 基于 Handel-C 的算法硬件化方法 |
| 第三章 JPEG 算法硬件化设计 |
| 3.1 图像压缩分析 |
| 3.1.1 图像压缩编码 |
| 3.1.2 图像的色彩空间 |
| 3.1.3 图像压缩基本方式 |
| 3.2 JPEG 压缩算法分析 |
| 3.2.1 JPEG 压缩算法基本结构 |
| 3.2.2 色彩空间转换分析 |
| 3.2.3 DCT 变换与逆变换 |
| 3.2.4 量化与反量化 |
| 3.2.5 熵编码 |
| 3.3 JPEG 压缩算法硬件化设计方案 |
| 第四章 JPEG 压缩算法的硬件化实现 |
| 4.1 JPEG 文件格式分析 |
| 4.2 哈弗曼编码表设计 |
| 4.3 JPEG 编码算法功能模块的设计与实现 |
| 4.3.1 DCT 变换与逆变换 |
| 4.3.2 量化与反量化 |
| 4.3.3 熵编码与解码 |
| 第五章 图像压缩系统的仿真验证 |
| 5.1 仿真验证平台 |
| 5.1.1 仿真验证平台 |
| 5.1.2 开发环境介绍 |
| 5.1.3 外围硬件模块的验证 |
| 5.2 基于灰度图像的测试与验证 |
| 5.3 基于彩色图像的标准化压缩测试与验证 |
| 第六章 总结与展望 |
| 致谢 |
| 参考文献 |
（7）基于降斑处理的SAR图像实时压缩系统（论文提纲范文）
| 1 系统总体设计 |
| 2 系统外围电路设计[4-6] |
| 3 基于FPGA的功能模块[7] |
| 3.1 数据流管理 |
| 3.2 并串转换 |
| 3.3 图像降斑预处理 |
| 4 基于ADV212的图像压缩模块 |
| 5 软件设计 |
| 6 系统测试结果及分析 |
| 7 小结 |
（8）基于方向小波图像处理与几何特征保持质量评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 图像数据的几何结构特征 |
| 1.3 多尺度几何分析 |
| 1.3.1 从傅立叶分析到小波 |
| 1.3.2 多尺度几何分析方法 |
| 1.4 本文研究内容 |
| 1.5 主要创新点 |
| 第二章 基于边缘导向正交小波变换的图像压缩 |
| 2.1 引言 |
| 2.2 图像压缩主要方法 |
| 2.3 小波图像压缩及其不足 |
| 2.4 基于边缘导向的正交小波变换图像压缩 |
| 2.4.1 方向消失矩 |
| 2.4.2 方向提升格式 |
| 2.4.3 算法框架 |
| 2.4.4 试验结果 |
| 2.4.5 结论 |
| 2.5 基于最优树结构的边缘导向正交小波包变换SAR 图像压缩 |
| 2.5.1 SAR 图像数据特点 |
| 2.5.2 SAR 图像压缩方案 |
| 2.5.3 试验结果 |
| 2.5.4 结论 |
| 2.6 本章小结 |
| 第三章 基于特征保持的图像分辨率增强技术研究 |
| 3.1 引言 |
| 3.2 研究现状 |
| 3.3 基于小波变换的边缘保持方向自适应图像插值 |
| 3.3.1 方向自适应插值 |
| 3.3.2 基于小波的自适应插值方法 |
| 3.3.3 插值图像后处理 |
| 3.3.4 试验结果 |
| 3.3.5 结论 |
| 3.4 基于复小波变换的单幅图像超分辨率重建 |
| 3.4.1 复小波变换及几何正则约束 |
| 3.4.2 基于复小波变换的超分辨率图像重建及求解 |
| 3.4.3 数值试验 |
| 3.4.4 结论 |
| 3.5 本章小结 |
| 第四章 基于几何特征保持的图像质量评价研究 |
| 4.1 引言 |
| 4.2 研究现状 |
| 4.3 基于几何结构失真模型的完全参考型图像质量评价 |
| 4.3.1 方向失真 |
| 4.3.2 幅度失真 |
| 4.3.3 锐度失真 |
| 4.3.4 数值试验 |
| 4.3.5 结论 |
| 4.4 基于小波变换的几何结构失真模型图像质量评价 |
| 4.4.1 对比敏感函数 |
| 4.4.2 算法设计 |
| 4.4.3 试验结果 |
| 4.4.4 结论 |
| 4.5 基于边缘特征统计的部分参考型质量评价方法 |
| 4.5.1 引言 |
| 4.5.2 自然图像特征统计 |
| 4.5.3 模型建立 |
| 4.5.4 数值试验 |
| 4.5.5 结论 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）SAR成像数据的实时压缩研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 合成孔径雷达的发展现状 |
| 1.1.1 国际合成孔径雷达的研制状况 |
| 1.1.2 我国合成孔径雷达的研制状况 |
| 1.2 机载合成孔径雷达的工作原理[1] |
| 1.3 合成孔径雷达数据的分类[2] |
| 1.4 论文的主要内容 |
| 第二章 静态图像的发展概况 |
| 2.1 数据压缩理论 |
| 2.1.1 数据压缩及必要性[3] |
| 2.1.2 合成孔径雷达成像数据压缩的必要性 |
| 2.1.3 数据压缩的方法及分类 |
| 2.1.4 图像压缩的基本原理 |
| 2.1.5 静止图像压缩算法的分类 |
| 2.2 静止图像压缩技术发展概况 |
| 第三章 SAR 灰度图像的压缩 |
| 3.1 JPEG 的发展 |
| 3.2 JPEG 的模式 |
| 3.3 JPEG 基本系统的编码步骤 |
| 3.3.1 分量变换 |
| 3.3.2 MCU 排序 |
| 3.3.3 JPEG 标准的核心算法——DCT |
| 3.3.4 量化 |
| 3.3.5 熵编码[3] |
| 3.4 JPEG 对SAR 灰度图像压缩的实现 |
| 3.4.1 文件格式的转换 |
| 3.4.2 格式转换的实现 |
| 3.5 性能比较与分析 |
| 3.5.1 图像数据域的评估定义 |
| 3.5.2 实验结果评估 |
| 第四章 基于 DCT 的SAR 模图像数据压缩 |
| 4.1 整数倍压缩算法的提出 |
| 4.2 普通编码算法 |
| 4.2.1 算法框图 |
| 4.2.2 8×8 的 DCT 变换 |
| 4.2.3 归一化（量化） |
| 4.2.4 编码[3] |
| 4.2.5 解码 |
| 4.2.6 反归一化（反量化） |
| 4.2.7 反离散余弦变换(IDCT) |
| 4.3 自适应编/解码算法 |
| 4.3.1 算法的提出 |
| 4.3.2 自适应编码 |
| 4.3.3 自适应解码 |
| 4.4 生成BMP 图像 |
| 4.5 性能比较与分析 |
| 4.5.1 图像的客观质量评价 |
| 4.5.2 图像的主客评价 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 作者在攻读硕士学位期间发表的论文 |
（10）基于JPEG的SAR图像压缩的C语言实现（论文提纲范文）
| 0 引 言 |
| 1 BMP位图图像格式[1] |
| 2 JPEG压缩图像数据交换格式[2] |
| 3 编解码实现 |
| 1) 编码 |
| 2) 解码 |
| 3) 恢复成BMP图像 |
| 4 实验结果 |
| 5 结束语 |
四、基于JPEG的SAR图像压缩的C语言实现（论文参考文献）
- [1]频谱浓缩小波包的C语言实现[D]. 杨光. 汕头大学, 2020(02)
- [2]合成孔径雷达实时成像算法优化与系统开发[D]. 宋超. 西安电子科技大学, 2019(02)
- [3]基于FPGA实时图像压缩算法的实现[D]. 付雷. 西安电子科技大学, 2014(03)
- [4]基于多核DSP的雷达实时成像及JPEG压缩实现[D]. 钱宏博. 西安电子科技大学, 2014(02)
- [5]基于高级语言的彩色图片压缩算法硬化设计[D]. 李生. 西安电子科技大学, 2014(01)
- [6]基于Handel-C的图像压缩算法硬件化研究[D]. 王嘉玮. 西安电子科技大学, 2013(S2)
- [7]基于降斑处理的SAR图像实时压缩系统[J]. 李涛,田松,许悦雷,郭忠. 电视技术, 2012(17)
- [8]基于方向小波图像处理与几何特征保持质量评价研究[D]. 程光权. 国防科学技术大学, 2010(04)
- [9]SAR成像数据的实时压缩研究[D]. 聂剑萍. 东南大学, 2005(01)
- [10]基于JPEG的SAR图像压缩的C语言实现[J]. 聂剑萍,汪勤峰. 南昌工程学院学报, 2004(04)