學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73890

Browse

Has files: YesSubject: search.filters.subject.影像處理

Search Results

Now showing 1 - 4 of 4
  • No Thumbnail Available
    Item
    彩色濾光片電子紙之色彩重現影像處理
    (2024) 黃柏翰; Huang, Po-Han
    印刷式彩色濾光陣列電子紙具有快速驅動和準確色彩控制的優勢。然而，它的色域比多色彩電子紙狹窄，且輸出響應曲線通常是非線性的，這導致顏色和色調再現困難。本論文討論了傳統影像處理流程在這種新型彩色電子紙上的應用問題，並提出了解決非線性響應問題的方法。通過這種新影像流程，可以顯著改善顯示品質。
  • No Thumbnail Available
    Item
    32位元小面積之嵌入式AES的FPGA設計與影像應用
    (2009) 張國煌; Kuo-Huang Chang
    　　高等加密標準(Advanced Encryption Standard, AES)硬體實現在現場可程式化閘陣列(FPGA)與特殊用途積體電路(ASIC)已經被很廣泛的討論，尤其是如何達到數十億產率的議題；然而在嵌入式硬體的應用上，低產率與小面積的設計在近幾年也開始被研究。 　　本研究提出一個小面積的硬體電路，採用32位元的架構來實現AES-128的規格，其中包含2組移位暫存器(Shift Register)來完成移列轉換(ShiftRow)的動作；並利用晶片內建的Block RAM來放置整合資料，完成位元組替換(SubByte)與混行運算(MixColumn)的動作；而以軟體來取代硬體的金鑰擴展(KeyExpansion)，來節省電路面積。透過上述所提出的方式在FPGA上所完成的實驗數據，其資源消耗為110個Slice、速度可達到75Mhz(每秒可處理29張640×480大小的彩色影像)，是在目前文獻中面積最小的設計。 　　為實現影像加解密的應用，本研究分別使用兩種方式來與上述32位元AES核心電路整合，其一為結合嵌入式系統與IP core的架構，屬於軟體與硬體的搭配；另一為只用硬體描述語言(HDL)來實現，較偏向硬體電路來控制。
  • No Thumbnail Available
    Item
    基於機器視覺與次像素邊緣偵測於LED探針之自動化檢測系統
    (2017) 余立安; Yu, Li-An
    LED (light-emitting diode,發光二極體)從原先做為電子裝置的指示燈使用，如今已被廣泛的應用在工作或一般用途的照明上；而LED需要由LED探針做燈泡特性的量測，以篩選出LED的好壞，因此越來越多LED探針被大量地生產。本論文的研究目的就是提出一套自動的光學檢測系統，以提升LED探針的品質，提高生產效率，降低不良品的產出，並能夠即時回饋產品的資訊，而檢測的流程則使用許多機器視覺與影像處理的技術，包含運用Otsu門檻值搭配Canny的邊緣檢測得到初步的邊緣位置、次像素邊緣檢測取得更精確的邊緣位置、以及物件分群等方法，以提升量測的準確度，最後可以控制探針角度誤差在1%而半徑誤差在2%左右，並且提出一套能夠精準的區分出有瑕疵探針的方法，實驗證明本論文所提出的方法能夠快速且精準的分析LED探針的尺寸以及好壞。
  • No Thumbnail Available
    Item
    以多核心圖形處理器加速影像處理之研究
    (2016) 周文瑞; Chou, Wen-Jui
    本論文研究以多核心圖形處理器(Multicore Graphic Processing Units)加速影像處理演算法，我們以全向圖(omnidirectional pictures)轉換成全景圖(panoramic pictures)及車牌辨識(vehicle license plate recognition)系統為例，提出平行演算法並以多核心圖形處理器進行相關演算法加速。 論文首先針對橢圓拋物曲面全向圖轉換成全景圖的演算法進行平行化研究，本論文提出了一個階層式的平行架構包含資料平行(data parallelism)與任務平行(task parallelism)兩個階層，其中資料平行階層是透過執行圖形處理器的大量執行緒平行轉換每個像素從全向圖移轉至全景圖，而任務平行階層是透過圖形處理器多串流技術(multiple stream)，以管線化(pipelining)的方式平行執行多個影像的轉換。任務平行可以藉由重疊影像處理器的核心運算與資料傳輸的執行時間來改善整體的效能。實驗結果顯示相較於CPU，透過圖形處理器，我們可以得到6.33倍的改善。 論文第二部分，我們針對車牌辨識系統進行平行化研究，一個車牌辨識系統主要包含車牌定位、車牌校正、文字切割與文字辨識等四大步驟。首先在車牌定位部分，我們透過灰階轉換、直方圖等化、二值化、輪廓萃取與剛性物體偵測之核心演算法取得車牌的位置，然後在車牌校正方面，我們使用仿射轉換中的單映性以校正歪斜的車牌。在文字分割方面，我們利用輪廓萃取及邊緣偵測將文字與車牌面積進行計算，並將車牌中的文字分割取出。最後在文字辨識部份，我們利用樣板比對法(template matching)作為文字辨識的方法，為了縮短辨識系統計算的時間，我們透過圖形處理器加速車牌文字辨識的計算速度相較於CPU，我們可以得到100倍的改善。 關鍵字：多核心圖形處理器、影像處理、全景圖轉換、車牌定位、車牌辨識