kaiyun官方注册
您所在的位置: 首页> 嵌入式技术> 设计应用> 基于FPGA的视频图像去雾算法的优化与实现
基于FPGA的视频图像去雾算法的优化与实现
电子技术应用
郝振中1,余耀2,孙静1
1.安徽新华学院 电子工程学院/智能制造学院;2.无锡学院 电子与信息工程学院
摘要:在恶劣天气条件下采集的图像存在对比度差、清晰度下降等问题。图像质量的恶化制约着计算机视觉的准确性和自动化任务的效率。给出了一种基于限制对比度自适应直方图均衡(Contrast Limited Adaptive Histogram Equalization, CLAHE)与改进多尺度Retinex (Multi-Scale retinex,MSR)的图像去雾算法。该算法将输入的含雾降质图像先经过CLAHE算法处理,再用MSR算法处理,对图像MSR算法处理时,引入Gamma校正因子估计入射光,并对算法中的环绕函数进行优化。结果表明,所提出算法处理后的图像相比原图,图像的信息熵、平均梯度和标准差等方面均有提升;并设计硬件电路,成功在FPGA上演示了视频实时去雾,提高了视频图像去雾的实时性。对板级资源与功能消耗进行了数字化的分析,证明所设计硬件系统属于低功耗范畴。
中图分类号:TP391 文献标志码:A DOI: 10.16157/j.issn.0258-7998.234715
中文引用格式:郝振中,余耀,孙静. 基于FPGA的视频图像去雾算法的优化与实现[J]. 电子技术应用,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

自然环境中空气湿度高,地面温度较低时水汽遇冷形成雾。在日常生活中人们获取信息大部分是来自于视觉对图像的采集,雾霾场景中由于存在着大量大气颗粒,在散射作用下会导致人们无法清晰获取图像信息,摄像机采集到的图像会有对比度低、可见度差、颜色失真等质量降低情况[1]。随着科技的发展,图像处理广泛应用于医疗、交通、军事、遥感等领域[2],而图像去雾作为一种重要的图像预处理方法成为当下热点。

图像去雾是通过去雾技术获取图像中的高频部分,将模糊的图像复原成图像的本质场景。关键在于去雾算法和实现平台两方面。现阶段图像去雾算法主要有两种:(1)图像增强[3]。该途径通过增强图像的对比度、色彩、边缘等方面达到增强图像清晰度的效果。CLAHE算法[4]可以增强图像对比度,但会减少图像的灰度级以及信息熵的问题。张彩珍等人[5]提出使用tanh函数替换多尺度 Retinex算法中的对数函数,处理后图像更加清晰自然,但图像增强边缘处有光晕产生。Jeevan等人提出了一种在小波域中进行Gabor滤波和中值滤波,在空间域进行AHE算法处理[6]。定量分析和视觉检查都表明,所提出的图像增强方法给出了更好的结果。(2)图像修复[7]。该方法从图像质量下降方面出发建立雾天图像模型,获取影响图像质量的变量并计算最优值,将有雾图像复原为无雾场景下的图像。何凯明[8]等人提出基于暗通道先验理论的图像去雾算法,大幅度提高了图像去雾的质量,但是当处理图像的场景亮度与背景亮度相似时算法会失效。近些年,科研人员使用导向滤波等方法[9]解决暗通道先验理论的不足,算法计算量大,无法满足图像去雾的实时性需求。随着计算机视觉的深入研究,利用深度学习完成图像去雾逐渐成为一种有效的手段[10]。深度学习运算量巨大,但最大程度地保留了图像的细节。


本文详细内容请下载:

https://www.chinaaet.com/resource/share/2000005994


作者信息:

郝振中1,余耀2,孙静1

(1.安徽新华学院 电子工程学院/智能制造学院,安徽 合肥 230088;2.无锡学院 电子与信息工程学院,江苏 无锡 214063)


Magazine.Subscription.jpg

此内容为AET网站原创,未经授权禁止转载。
Baidu
map