论文部分内容阅读
在雾天环境下,大量漂浮在空气中的悬浮粒子对光线产生散射,使得摄像机获取的图像对比度和颜色等特征受到衰减,无法获取足够的目标特征信息,影响后续的图像处理工作。因此,处于户外雾天环境下的视频系统,必须对视频图像进行图像去雾处理。现在的视频处理系统应用主要集中在图像监控、识别、目标跟踪等方面上,这些应用对多路雾天视频处理的并行性、实时性以及雾天视频图像去雾处理的精度都提出了更高的要求。随着多媒体技术的发展,单幅雾天图像去雾处理技术已经被广泛研究,但对雾天视频进行实时去雾处理的研究还不够成熟。因此研究如何在达到较高雾天图像恢复精度的同时,满足多路高清视频图像实时处理的要求,具有非常重要的现实意义。 本文的主要内容如下: (1)首先分析与比较了几种典型的去雾算法,并选取基于多尺度的Retinex方法作为本文的去雾方法。较常用的去雾方法有基于深度信息和基于偏振信息的去雾方法,虽然这两种可以都取得一定的去雾效果,但这两种方法需要专业的采集设备来采集深度信息或偏振信息。基于暗通道的去雾方法效果很好,但在场景亮度与大气光相近时,算法失效。基于直方图均衡的去雾方法虽然简单,但容易出现过增强现象。而基于多尺度的Retinex去雾方法,在取得较好的效果的同时,对环境或设备没有特殊的要求。虽然该算法计算量大,但可以使用具有并行计算和流水线技术特点的FPGA平台来实现。 (2)对基于多尺度的Retinex算法的资源消耗进行了改进。本文在基于 FPGA的多尺度Retinex算法移植上进行了资源消耗的分析,发现在该算法的高斯滤波部分需要消耗大量的逻辑资源,而一般的FPGA芯片资源无法满足其需求,因此在算法的资源消耗上进行了改进:通过将中大尺度的高斯滤波使用均值滤波代替,减少了乘法器的数量。通过Matlab仿真说明改进的算法同样能够达到去雾效果。 (3)在FPGA平台上进行了硬件设计。首先进行了4路异步视频合成单路视频实时显示的逻辑设计,并在此基础上,将改进后的多尺度Retinex算法移植此平台上。实验结果表明本文的设计能够达到30帧每秒的高清视频实时去雾。