[发明专利]基于FPGA的高清视频实时自动化去雾方法

说明书

技术领域

本发明涉及数字视频图像处理技术领域，尤其涉及一种基于FPGA的高清视频实时自动化去雾方法。

背景技术

在雾天等恶劣天气环境下，光线受到大气环境中存在的悬浮粒子(如烟雾、粉尘和颗粒等)的吸收消耗和物理散射作用，使采集得到的户外图像或视频信息受到干扰，引起对比度下降和细节模糊。这些采集到的退化图像不但使系统的利用价值变低和应用范围变窄，也极大地阻碍了户外成像处理系统的图像特征提取。因此，研究如何从雾天退化图像中获取清晰的图像信息是非常必要的。

目前，常见的去雾方法主要分为基于图像增强的方法和基于图像复原的方法。

基于图像增强的方法是：不关注有雾图像降质的原因，单纯从改善图像视觉效果的角度出发，以图像增强的手段来实现有雾图像对比度、清晰度和色彩的提升。其优点是，因为不是从有雾图像降质的原因出发，并没有特别针对有雾图像，所以该方法的适用范围较广，而且图像增强的方法一般都要比图像复原的方法简单，易实现，运算速度更快。其缺点是，没有从有雾图像降质的原因出发，因此针对性不够，去雾效果一般没有图像复原的方法好。基于图像增强的方法主要包括直方图均衡化、Retinex、小波变换、曲波变换和同态滤波等。

基于图像复原的方法是：从有雾图像降质的原因出发，建立其退化模型，以图像复原的方法恢复出其原本的图像。其优点是，具有针对性，去雾效果理想，得到的无雾图像更加自然和真实。其缺点是，基于图像复原的方法一般要基于一定的先验知识或已知一些前提条件，算法较为复杂，运算时间长，而且适用范围较窄。基于图像复原的方法主要包括基于先验知识的算法、基于深度信息的算法和基于偏微分方程的算法。

发明内容

本发明的目的就在于克服现有技术存在的缺点和不足，提供一种基于FPGA的高清视频实时自动化去雾方法。

本发明的技术方案是：

采用了暗原色先验算法，暗原色先验算法属于基于图像复原的方法，其去雾效果好，但也存在计算复杂，资源占用多，实时性差等明显缺点。针对这些缺点，在保证其去雾效果的前提下，本方法在CCD图像传感器产生的高清原始图像数据上进行处理，相比在RGB和YUV颜色空间上处理减少了大量的数据量，在暗原色值、大气光数值和透过率值的求取上极大优化了计算过程，减少了其资源占用和计算量，也减少了DDR的使用，把延时控制在0.5毫秒以内，实时性好；同时针对天空等明亮区域算法失效的情况进行了修正，并实现了自动化去雾功能。

算法处理的是CCD图像传感器产生的高清原始图像数据，而不是RGB或YUV颜色空间上的数据。

具体地说，本方法包括下列步骤：

输入一帧CCD图像传感器产生的高清原始图像数据；

①A、采用双线性插值和最小值滤波求得像素点的暗通道值；

①B、对区域中的暗通道值进行最小值滤波，将结果作为该区域左上角像素点的暗原色值，如此逐点计算像素点的暗原色值；

①C、对暗原色值进行均值滤波；

①C-a、对经均值滤波后的暗原色值进行最大值滤波，在相邻若干帧图像中该结果的平均值即为大气光数值；

①C-b、将放大一定倍数后的透过率值存储在以暗原色值为地址的ROM中，这样透过率的计算过程就变成了读取ROM的过程，ROM中透过率的计算公式为：

t＝(1-w0×dc/gray_max)×n，

t是透过率，w0取0.9，dc是暗原色值，

gray_max是最大灰度级，n是放大倍数；

再针对天空明亮区域算法失效的情况修正了透过率值，引入了容差的概念，容差是指暗原色值与大气光数值的差的绝对值，容差越小越容易出现透过率估计值偏小的情况，因此这里的做法是设定一个阈值，当容差小于阈值时适当增大透过率的值，否则透过率保持不变；

①C-c、统计经均值滤波后的暗原色值小于第1阈值的像素点数目，用来判断场景是否有雾，在一帧图像中，当该像素点数目大于第2阈值时，场景被判断为无雾，当该像素点数目小于第3阈值时，场景被判断为有雾，当该像素点数目在第2阈值与第3阈值之间，判断状态保持不变(207)；

②恢复出无雾图像，计算公式为J＝(I-A)/t+A，

J为无雾图像，I为有雾图像，A为大气光数值，t为透过率；

③输出一帧原始图像数据，当场景被判断为有雾时，输出的原始图像为去雾后的图像，当场景被判断为无雾时，输出的原始图像与输入图像保持一致。

本发明具有下列优点和积极效果：