本发明涉及图像滤波，更具体地说，它涉及基于fpga的图像中值滤波方法、系统、设备及介质。
背景技术：
1、图像信号在生成、传输和记录的过程中，由于成像系统、 传输介质、 工作环境和记录设备等的固有缺陷，不可避免地产生各种类型的噪声，降低了图像的质量，进而影响后续处理(如边缘检测、图像分割、特征提取、模式识别等)的效果或准确性。因此，对噪声图像进行滤波是必要预处理过程。
2、中值滤波算法是一种非线性平滑技术，基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，它是将每一个像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，让周围的像素值接近真实值，从而消除孤立的噪声点，是一种能有效抑制噪声的非线性信号处理技术，但对整个图像进行去噪时会丢失一些细节；目前引入了神经网络来对图像进行滤波处理，而针对引入的神经网络的网络参数大都根据经验设置，致使对图像进行滤波时效果也不尽人意。
3、有鉴于此，特提出此申请。
技术实现思路
1、本发明的目的在于提供基于fpga的图像中值滤波方法、系统、设备及介质，以解决采用传统中值滤波方式会使整个图像丢失部分细节，以及目前神经网络的网络参数确定方式欠缺，致使对图像进行滤波时效果不尽人意的问题。
2、本发明的上述技术目的是通过以下技术方案得以实现的：
3、第一方面，本技术提供了基于fpga的图像中值滤波方法，包括以下具体步骤：
4、获取待处理图像，根据待处理图像的像素点建立对应神经元数量的图像处理模型，并通过预置方式得到图像处理模型的模型参数；
5、将待处理图像输入至基于模型参数的图像处理模型中进行处理，从待处理图像的各个像素点中得到多个噪声点；
6、对于每个噪声点，获取与噪声点相邻的八个像素点的像素值，对该噪声点和相邻的各个像素点的像素值进行排序，并得到排序结果；
7、对于每个噪声点，将对应排序结果中的中间值确定为目标像素值；
8、将待处理图像中各个噪声点的原始像素值均替换为对应的目标像素值，并将所有噪声点经过像素替换后的待处理图像确定为滤波处理图像。
9、本发明的有益效果是：本方案中，在通过预置方式得到图像处理模型的模型参数后，基于模型参数的图像处理模型对待处理图像进行处理，以从待处理图像的各个像素点中得到需要进行滤波处理的噪声点，再采用中值滤波的方式对需要进行滤波处理的各个噪声点进行滤波处理；在采用中值滤波的方式进行滤波处理时，对于每个需要进行滤波处理的噪声点，以对应的噪声点为中心、再取与其相邻的八个像素点形成3*3的阵列，并对该像素点的像素值以及与其相邻的八个像素点的像素值进行排序；将排序结果中的中间值确定为该噪声点的替换值，即目标像素值，并以目标像素值来替换对应噪声点的原始像素值，当待处理图像中所有的噪声点都完成目标像素值的替换后，则完成了待处理图像的滤波处理，并将完成所有噪声点替换的图像确定为进行输出的滤波处理图像。
10、本方案中，相比传统的中值滤波处理方式，本方案采用的方式并未对待处理图像中所有的像素点进行中值滤波，而是先通过模型来判断出哪些像点需要滤波，即从待处理图像中找出存在噪声的噪声点，再通过中值滤波的方式对这些噪声点进行滤波处理，这样不仅有效抑制图像噪声，而且能够很好地保留图像细节信息和图像边缘信息；同时，通过预置方式得到的模型的模型参数，相比传统根据经验获得参数的方式，可以有效的提升模型的处理能力和效果，使其能够更加精确的判断出哪些是噪声点，这样在进行滤波处理时能够更加的高效。
11、在上述技术方案的基础上，本发明还可以做如下改进。
12、进一步，上述对该噪声点和相邻的各个像素点的像素值进行排序，具体为：
13、对于噪声点，以及与其相邻的八个像素点构成的3*3阵列，分别得到三行中每一行的最大值、中间值和最小值；
14、将三行中的最大值、三行中的中间值和三行中的最小值分别进行比较，分别得到三行最大值的比较结果、三行中间值的比较结果和三行最小值的比较结果；
15、将三行最大值的比较结果中的最小值、三行中间值的比较结果中的中间和三行最小值的比较结果中的最大值进行排序，得到排序结果。
16、采用上述进一步方案的有益效果是：通过对每一行的像素值进行比较分析，相比传统将9个数值一起进行分析，这样占用的内存更少、过程更加的高效，可以有效地提高排序的效率。
17、进一步，上述图像处理模型具体为：
18、；其中：
19、；；
20、，；
21、式中，表示迭代次数，和分别表示第（ i， j）个神经元的反馈输入和连接输入，表示待处理图像中第（ i， j）个像素点的像素值，表示内部活动项，表示动态门限，表示第（ i， j）个像素点经图像处理模型处理输出的脉冲输出，表示求的加权系数，表示指数衰减时间常数，表示神经元之间的连接强度常数，表示动态门限中的固有电势。
22、采用上述进一步方案的有益效果是：通过将待处理图像中各个像素点输入至模型中进行处理，最终输出各个像素点对应的值，即为0或1，最终实现根据各个像素点输出的值得到各个噪声点的结果。
23、进一步，上述模型参数包括指数衰减时间常数、连接强度常数和固有电势，通过预置方式得到图像处理模型的模型参数，具体为：
24、根据模型参数的预置范围，将预置范围以单位步长划分为多个参考数值，并计算各个参考数值的初始匹配度，将各个初始匹配度中数值最大的确定为最优匹配度；
25、将多个初始匹配度随机划分为预置数量的第一组合，且每个第一组合中初始匹配度的数量相同；
26、对于每个第一组合，基于最优匹配度对第一组合中的各个初始匹配度进行预置第一次数的寻优更新，得到包含多个第二匹配度的第二组合；
27、将每个第二组合中的第二匹配度进行重新分组，得到预置数量的第三组合，并再次基于最优匹配度进行第一次数的寻优更新，直到重新分组的次数达到预置第二次数；
28、将最后一次分组后并经过寻优更新的各个匹配度确定为第三匹配度，将第三匹配度的数值最大的确定为目标匹配度，将目标匹配度对应的参考数值确定为模型参数。
29、采用上述进一步方案的有益效果是：以实现自适应获取图像处理模型的模型参数，解决了图像处理模型选取参数盲目性的问题，相对于手动选择模型参数进行图像去噪拥有更好的去噪效果。
30、进一步，上述初始匹配度具体为：
31、，其中：；
32、式中，表示初始匹配度，表示计算参数，表示待处理图像仅经过中值滤波后的图像，表示待处理图像仅经过pcnn去噪后的图像， m和 n表示待处理图像的宽度和高度， p表示矩阵的 p范数矩阵， p=2。
33、进一步，上述对于各个第一组合，每次的寻优更新具体为：
34、对于每个初始匹配度，利用最优匹配度、第一组合中数值最大的初始匹配度和第一组合中数值最小的初始匹配度，计算得到新的匹配度；
35、若新的匹配度不小于对应的初始匹配度，将新的匹配度确定为第二匹配度；若新的匹配度不大于对应的初始匹配度，将最优匹配度确定为第二匹配度。
36、进一步，上述新的匹配度具体为：
37、，其中：；
38、式中，表示新的匹配度，表示初始匹配度或第二匹配度，表示第一组合或第二组合中数值最大的匹配度，表示0-1之间的随机数，表示允许改变的最大值。
39、第二方面，本技术提供了基于fpga的图像中值滤波系统，应用于第一方面中任一项的基于fpga的图像中值滤波方法，包括：
40、第一模块，用于获取待处理图像，根据待处理图像的像素点建立对应神经元数量的图像处理模型，并通过预置方式得到图像处理模型的模型参数；
41、第二模块，用于将待处理图像输入至基于模型参数的图像处理模型中进行处理，从待处理图像的各个像素点中得到多个噪声点；
42、第三模块，用于对于每个噪声点，获取与噪声点相邻的八个像素点的像素值，对该噪声点和相邻的各个像素点的像素值进行排序，并得到排序结果；
43、第四模块，用于对于每个噪声点，将对应排序结果中的中间值确定为目标像素值；
44、第五模块，用于将待处理图像中各个噪声点的原始像素值均替换为对应的目标像素值，并将所有噪声点经过像素替换后的待处理图像确定为滤波处理图像。
45、第三方面，本技术提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现第一方面中任一项的方法。
46、第四方面，本技术提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面中任一项的方法。
47、与现有技术相比，本发明至少具有以下的有益效果：
48、在本技术中，在通过预置方式得到图像处理模型的模型参数后，基于模型参数的图像处理模型对待处理图像进行处理，以从待处理图像的各个像素点中得到需要进行滤波处理的噪声点，再采用中值滤波的方式对需要进行滤波处理的各个噪声点进行滤波处理；在采用中值滤波的方式进行滤波处理时，对于每个需要进行滤波处理的噪声点，以对应的噪声点为中心、再取与其相邻的八个像素点形成3*3的阵列，并对该像素点的像素值以及与其相邻的八个像素点的像素值进行排序；将排序结果中的中间值确定为该噪声点的替换值，即目标像素值，并以目标像素值来替换对应噪声点的原始像素值，当待处理图像中所有的噪声点都完成目标像素值的替换后，则完成了待处理图像的滤波处理，并将完成所有噪声点替换的图像确定为进行输出的滤波处理图像。
49、在本技术中，相比传统的中值滤波处理方式，本方案采用的方式并未对待处理图像中所有的像素点进行中值滤波，而是先通过模型来判断出哪些像点需要滤波，即从待处理图像中找出存在噪声的噪声点，在通过中值滤波的方式对这些噪声点进行滤波处理，这样不仅有效抑制图像噪声，而且能够很好地保留图像细节信息和图像边缘信息；同时，通过预置方式得到的模型的模型参数，相比传统根据经验获得参数的方式，可以有效的提升模型的处理能力和效果，使其能够更加精确的判断出哪些是噪声点，这样在进行滤波处理时能够更加的高效。
50、在本技术中，通过对每一行的像素值进行比较分析，相比传统将9个数值一起进行分析，这样占用的内存更少、过程更加的高效，可以有效地提高排序的效率；通过将待处理图像中各个像素点输入至模型中进行处理，最终输出各个像素点对应的值，即为0或1，最终实现根据各个像素点输出的值得到各个噪声点的结果；通过上述的模型参数的获取方式，实现自适应获取图像处理模型的模型参数，解决了图像处理模型选取参数盲目性的问题，相对于手动选择模型参数进行图像去噪拥有更好的去噪效果。
51、在本技术中，通过次图像滤波的方式，在完成图像自适应去噪的前提下，又保留了传统 m中值去噪方法对图像统计特征完整保留的优点，既能通过隔离噪声点有效抑制噪声，又能使图像细节信息和轮廓信息得以完整保留，并且可以很好地用于后期图像分析与处理。
1.基于fpga的图像中值滤波方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的基于fpga的图像中值滤波方法，其特征在于，所述对该所述噪声点和相邻的各个像素点的像素值进行排序，具体为：
3.根据权利要求1所述的基于fpga的图像中值滤波方法，其特征在于，所述图像处理模型具体为：
4.根据权利要求1所述的基于fpga的图像中值滤波方法，其特征在于，所述模型参数包括指数衰减时间常数、连接强度常数和固有电势，所述通过预置方式得到所述图像处理模型的模型参数，具体为：
5.根据权利要求4所述的基于fpga的图像中值滤波方法，其特征在于，所述初始匹配度具体为：
6.根据权利要求4所述的基于fpga的图像中值滤波方法，其特征在于，对于各个所述第一组合，每次的寻优更新具体为：
7.根据权利要求6所述的基于fpga的图像中值滤波方法，其特征在于，所述新的匹配度具体为：
8.基于fpga的图像中值滤波系统，应用于权利要求1-7中任一项的基于fpga的图像中值滤波方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现权利要求1-7中任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行权利要求1-7中任一项所述的方法。
