网络小说排行榜,将夜猫腻小说,如何发布网络小说

基于FPGA的視頻圖像去霧算法的優化與實現

電子技術應用

郝振中1，余耀2，孫靜1

1.安徽新華學院電子工程學院/智能制造學院；2.無錫學院電子與信息工程學院

摘要： 在惡劣天氣條件下采集的圖像存在對比度差、清晰度下降等問題。圖像質量的惡化制約著計算機視覺的準確性和自動化任務的效率。給出了一種基于限制對比度自適應直方圖均衡（Contrast Limited Adaptive Histogram Equalization， CLAHE）與改進多尺度Retinex （Multi-Scale retinex，MSR）的圖像去霧算法。該算法將輸入的含霧降質圖像先經過CLAHE算法處理，再用MSR算法處理，對圖像MSR算法處理時，引入Gamma校正因子估計入射光，并對算法中的環繞函數進行優化。結果表明，所提出算法處理后的圖像相比原圖，圖像的信息熵、平均梯度和標準差等方面均有提升；并設計硬件電路，成功在FPGA上演示了視頻實時去霧，提高了視頻圖像去霧的實時性。對板級資源與功能消耗進行了數字化的分析，證明所設計硬件系統屬于低功耗范疇。

關鍵詞： 圖像質量 CLAHE 多尺度Retinex FPGA 視頻去霧

中圖分類號：TP391 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.234715
中文引用格式： 郝振中，余耀，孫靜. 基于FPGA的視頻圖像去霧算法的優化與實現[J]. 電子技術應用，2024，50(5)：90-96.
英文引用格式： Hao Zhenzhong，Yu Yao，Sun Jing. Optimization and implementation of image defogging algorithm based on FPGA[J]. Application of Electronic Technique，2024，50(5)：90-96.

Optimization and implementation of image defogging algorithm based on FPGA

Hao Zhenzhong1，Yu Yao2，Sun Jing1

1.School of Electronic Engineering/School of Intelligent Manufacturing， Anhui Xinhua University； 2.School of Electronics and Information Engineering， Wuxi University

Abstract： Images collected under severe weather conditions have problems such as poor contrast and reduced clarity. The deterioration of image quality limits the accuracy of computer vision and the efficiency of automated tasks. This article proposes an image dehazing algorithm based on contrast limited adaptive histogram equalization (CLHE) and improved multi-scale Retinex (MSR). In this algorithm, the input foggy degraded image is first processed by the CLAHE algorithm and then the MSR algorithm. When processing the image with the MSR algorithm, the Gamma correction factor is introduced to estimate the incident light and the surround function in the algorithm is optimized. The results show that compared with the original image, the image processed by this algorithm has improved the information entropy, average gradient and standard deviation of the image. The hardware circuit was designed and the video real-time dehazing was successfully demonstrated on FPGA, which improved the quality of the video image. A digital analysis of board-level resources and function consumption was conducted, proving that the hardware system in this article belongs to the low-power category.

Key words : image quality；CLAHE；multi-scale Retinex；FPGA；video defogging

引言

自然環境中空氣濕度高，地面溫度較低時水汽遇冷形成霧。在日常生活中人們獲取信息大部分是來自于視覺對圖像的采集，霧霾場景中由于存在著大量大氣顆粒，在散射作用下會導致人們無法清晰獲取圖像信息，攝像機采集到的圖像會有對比度低、可見度差、顏色失真等質量降低情況[1]。隨著科技的發展，圖像處理廣泛應用于醫療、交通、軍事、遙感等領域[2]，而圖像去霧作為一種重要的圖像預處理方法成為當下熱點。

圖像去霧是通過去霧技術獲取圖像中的高頻部分，將模糊的圖像復原成圖像的本質場景。關鍵在于去霧算法和實現平臺兩方面。現階段圖像去霧算法主要有兩種：（1）圖像增強[3]。該途徑通過增強圖像的對比度、色彩、邊緣等方面達到增強圖像清晰度的效果。CLAHE算法[4]可以增強圖像對比度，但會減少圖像的灰度級以及信息熵的問題。張彩珍等人[5]提出使用tanh函數替換多尺度 Retinex算法中的對數函數，處理后圖像更加清晰自然，但圖像增強邊緣處有光暈產生。Jeevan等人提出了一種在小波域中進行Gabor濾波和中值濾波，在空間域進行AHE算法處理[6]。定量分析和視覺檢查都表明，所提出的圖像增強方法給出了更好的結果。（2）圖像修復[7]。該方法從圖像質量下降方面出發建立霧天圖像模型，獲取影響圖像質量的變量并計算最優值，將有霧圖像復原為無霧場景下的圖像。何凱明[8]等人提出基于暗通道先驗理論的圖像去霧算法，大幅度提高了圖像去霧的質量，但是當處理圖像的場景亮度與背景亮度相似時算法會失效。近些年，科研人員使用導向濾波等方法[9]解決暗通道先驗理論的不足，算法計算量大，無法滿足圖像去霧的實時性需求。隨著計算機視覺的深入研究，利用深度學習完成圖像去霧逐漸成為一種有效的手段[10]。深度學習運算量巨大，但最大程度地保留了圖像的細節。

本文詳細內容請下載：

http://www.viuna.cn/resource/share/2000005994

作者信息：

郝振中1，余耀2，孫靜1

（1.安徽新華學院電子工程學院/智能制造學院，安徽合肥 230088；2.無錫學院電子與信息工程學院，江蘇無錫 214063）

Magazine.Subscription.jpg

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容