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.
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)