基于形式概念的对数自适应形态学新算子研究及其FPGA实现

Mathematical morphology theory and logarithmic image processing model play an important role in image processing, and it is also an important basic theory in the field of artificial intelligence. Due to the limit of the traditional operators and the model, the project replaces the fixed structural elements with the adaptive structural elements based on formal concept, and replaces the gray logarithmic image processing model with the color logarithmic image processing model. We do research on the new logarithmic adaptive morphological operator based on formal concept, application algorithm, and the implementation of FPGA. Furthermore, we solve the details of color image processing information loss and intelligent selection problem of structural elements. The research includes: parametric symmetric color logarithmic image processing modeling, adaptive structural element modeling based on formal concept and morphological new operator definition, adaptive logarithmic morphological theory, new algorithm of image filtering, enhancement, detection, and feature extraction based on adaptive logarithmic morphological and the implementation of FPGA. The research of the project belongs to artificial intelligence and microelectronics. Therefore, it is very difficult and needs new ideas to have a break. The project aims to present new ideas, theories, and methods for automatic selection of structural elements, logarithmic image processing models, and image intelligence. Meanwhile, we will provide the theory and technical support for the application of adaptive logarithmic morphology in artificial intelligence and other fields.

数学形态学理论和对数图像处理模型在图像处理等方面发挥着重要作用，同时也是人工智能领域的重要基础理论。针对传统算子和模型的局限性，本项目以基于形式概念的自适应结构元素代替固定结构元素，以彩色对数图像处理模型代替灰度对数图像处理模型，研究基于形式概念的对数自适应形态学新算子和应用算法及FPGA实现，解决彩色图像处理的细节信息损失和结构元素智能选取问题。研究内容包括：参数对称的彩色对数图像处理建模；形式概念自适应结构元素建模和形态学新算子定义；自适应对数形态学理论；基于自适应对数形态学的图像滤波、增强、检测和特征提取新算法及FPGA实现。项目研究内容属于人工智能学科及微电子学科的交叉学科，因此具有很高的难度，需要全新的思路才能得以突破。项目的主要目标是为结构元素自动选取和对数图像处理模型及图像智能化处理提供新思路、新理论和新方法，为自适应对数形态学方法在人工智能等领域的应用提供理论和技术支持。

随着计算机技术及硬件成像设备的不断发展，彩色图像已成为图像处理及相关领域的热门研究内容。如何自动高效地处理大信息量的彩色图像，以满足人工智能等新兴领域的智能化要求是目前国内外需要迫切解决的难题。项目主要研究内容:研究建立彩色自适应形态学新算子的方法，实现算子建立和应用验证; 研究彩色对数图像处理新模型的建立及应用;研究以形式概念为基础的结构元素的自动选取方法；研究彩色对数自适应形态学算子的FPGA 建模仿真实现。针对以上内容的研究，取得的重要成果为：.1）自适应形态学算子的提出和形式概念分析的形态学新算子的实现。提出根据图像待处理像素点邻域特征选取结构元素的形态学算子，使用形式概念理论将图像转换为形式背景以获取概念格，在此基础上定义形态学算子，并证明其特性。2）矩阵偏序的提出。通过矩阵范数衡量像素间的局部相关性，并依据确定像素顺序，实现像素矢量排序。3）基于形式概念结构元素和矩阵偏序的形态学算子的建立和基于形式概念分析的推荐系统的实现；基于新的形态学算子，定义彩色图像边缘提取算子，讨论了参数对提取结果的影响。4）自适应彩色对数模型的构建和图像增强方法的实现。在图像不同区域构建自适应彩色对数模型，从而使得该新方法的反射分量能够分辨更多的细节信息。方法综合考虑了图像细节增强、结构和亮度保持等特性，适用于低照度图像增强领域。5）二值、灰度、彩色图像自适应形态学运算的FPGA实现和对数图像处理模型及参数对称对数图像处理模型的FPGA实现。在FPGA平台上设计了对数图像处理模型，并实现了对数图像处理模型中的形态学运算，加快了计算速度。6）对数图像处理模型的自适应彩色边缘检测、低照度图像增强、视频图像增强系统及FPGA实现，提高了图像处理算法的使用效率。7）项目相关理论的新应用。利用形态学设计边缘检测模块实现图像风格迁移及评价和分布式版图优化方法，实现了基于对数图像处理和去雾模型相结合的图像去雾方法。