论文部分内容阅读
雾霾等恶劣天气的频繁出现导致航空拍摄、遥感探测及交通监控等领域中获得的图像对比度低、视觉质量差。针对这一问题,通常采用图像增强的方法对雾霾等恶劣天气下获得的低对比度图像进行恢复与增强。然而,大多数图像增强方法需要借助计算机实现图像去雾,使得其应用范围受到了极大限制,因此如何提高图像去雾算法的实际应用价值成为图像处理领域研究的重点及难点。本文围绕这一课题,设计了基于多尺度Retinex算法的FPGA+ARM图像处理框架,研发了实时性高、处理效果好的硬件处理系统。主要研究内容包括图像去雾算法的选取与改进、图像去雾硬件系统设计、算法的硬件移植以及硬件系统的实际测试与数据分析等。本文首先介绍了图像去雾算法相关理论,重点对多尺度Retinex算法的理论知识及实现方法进行阐述,并对多种图像去雾算法的处理结果进行了对比和分析。使用限制对比度自适应直方图均衡化改进了原有的多尺度Retinex算法。在综合考虑去雾效果及计算量等影响因素之后,选用改进的多尺度Retinex算法进行了硬件移植。其次,根据改进的多尺度Retinex算法硬件移植的实际需求,设计了一套基于FPGA+ARM的图像处理硬件实现系统。该硬件系统以ARM为核心处理单元、以FPGA为辅助处理单元,同时具备了出色的系统管理能力及强大的并行处理能力。在电路设计上,采用的层叠式结构能够对图像输入接口板进行更换,既减小了系统体积又扩大了适用范围。最后,在算法的移植过程中充分利用FPGA流水线设计和并行处理的特点,提出了高斯滤波的简化方式并对多尺度高斯滤波进行实现,在节省硬件资源消耗的同时提高了系统的实时性。结合ARM能够搭载操作系统的特点,对限制对比度自适应直方图均衡化算法进行了移植,实现了图像去雾效果。实际测试表明,该硬件系统完成了对改进的多尺度Retinex算法的移植,实现了对分辨率为1024×1024,帧频40fps的视频图像实时去雾处理,同时具有功耗低、体积小等优点。改进多尺度Retinex算法硬件移植的研究与验证解决了雾霾等恶劣天气下目标识别及图像去雾的硬件实现问题,在航空侦察及视频监控等领域具有一定的实际意义与应用价值,同时为其他图像增强算法的硬件移植提供了参考。