the vlsi design for discrete wavelet transform 微電子電路系 : 宋志雲 博士
Post on 15-Jan-2016
242 views
TRANSCRIPT
The VLSI Design for The VLSI Design for Discrete Wavelet Discrete Wavelet
TransformTransform
The VLSI Design for The VLSI Design for Discrete Wavelet Discrete Wavelet
TransformTransform
微電子電路系微電子電路系 : : 宋志雲 博士宋志雲 博士
Haar 離散小波轉換
第一次垂直分割程序圖
第一次水平切割程序圖
原始影像I的四點資料(0,0),(0,1),(1,0),(1,1),經過一階 離散小波轉換後,分別為四個頻率係數所記錄。
二維三階離散小波轉換示意圖
三階離散小波轉換結果示意圖
傳統濾波器離散小波轉換• 濾波器的長度 (Filter Tap) 為 4
其中 hm 代表低通濾波器的係數, g m 代表高通濾波器的係數
• 傳統濾波器正、反轉換架構圖
離散小波轉換之正轉換架構
離散小波轉換之反轉換架構
Living-based
Lifting-based 離散小波轉換架構
Splitting 模組 :
Lifting 模組:
Scaling 模組:
Xodd(n)=X(2n+1) Xeven(n)=X(2n)
HPF1(n)= Xodd(n)-P(Xeven(n))
LPF1(n)= Xeven(n)+U(HPF1(n))
HPF(n)= K1×HPF1(n)
LPF(n)= K0×LPF1(n)
Lifting-based 離散小波反轉換
Lifting-based 離散小波反轉換架構
Lifting algorithm for the 5/3 wavelet
• The analysis filter can be factorized as follow :
where α= - 1/2 , β=1/4
• Architecture for multi-level decomposition MEM
HF VFO1
O2
/ LLHL/ LHHHO3
O4
1)1(
01
10
)1(1)(
1
z
zzP
Lifting –Based of 5/3 Filter Architecture
HH(i,j)
HL(i,j)
Z
a
H(i,j)
L(i,j)
LH(i,j)
LL(i,j)
+
×
+
+
×
+
ß +
×+
+
a
+
×+
+
×+
L(2i,j)
L(2i+1,j)
H(2i,j)
H(2i+1,j)
x(i,2j+1)
x(i,2j) a
Z
Z
ß
ß
×+Z
-1
Z-1
Z-1
1-D 9/7 Wavelet Filters• The analysis filter can be factorized as follow :
where α,β,γ,δare the lifting coefficients,ζand 1/ζare scale normalization factors where α = -1.586134342 β = -0.05298011854 γ = 0.829110762 δ = 0.4435068522 ζ = 1.149604389
1 1~ 1 0 1 0 01 (1 ) 1 (1 )
(1 ) 1 (1 ) 1 0 1/0 1 0 1
z zP
z z
Lifting –Based of 9/7 Filter Architecture
1P 2P1U 2USplit
2USplit
2P1U 2USplit
+
+ +
1U1P
+ +
+
2P
1P
++
++
++ ζ1/
ζ
ζ
ζ1/
ζ
ζ1/
x(i,j)
H1(i,j) H2(i,j)
L1(i,j) L2(i,j)L(i,j)
H(i,j)
LL1(i,j) LL2(i,j)
HH2(i,j)HH1(i,j)
HL1(i,j) HL2(i,j)LH1(i,j) LH2(i,j)
HH(i,j)
HL(i,j)
LH(i,j)
LL(i,j)
2-D lifting-based of 9/7 wavelet filters
• Architecture for 2-D DWT
• Architecture for multi-level decomposition
HF VF SN
DWT
In HF VF SN
RAM
DWT
Out
LLi
Comparison
硬體資源比較表
Experiment• 5/3 濾波器架構中的實驗結果
PSNR(60.22)
• 9/7 濾波器架構中的實驗結果
PSNR(89.23)