[发明专利]基于FPGA的引导滤波加权聚合方法及系统

说明书

本发明提供了一种基于FPGA的引导滤波加权聚合方法及系统，包括以下步骤：步骤S1：采用引导滤波降噪对图像处理，获取像素点的邻域块的线性回归系数；步骤S2：根据线性回归系数对像素点不同的邻域分别配置权重，对新的权重进行加权聚合，生成降噪后的图像。引导滤波过程中新的加权聚合方法，对图像中边缘轮廓或者平坦的区域，采用修正后的权重，解决或者减轻了由于局部平滑过程中产生的光晕伪影现象，同时有效的保持边缘，而且在图像的边缘轮廓的区域也能取得较好的平滑降噪效果,提升了图像视觉显示效果。

技术领域

本发明涉及图像处理技术邻域，具体地，涉及一种基于FPGA的引导滤波加权聚合方法及系统。

背景技术

随着视频监控摄像头的普及应用，尤其在黑夜场景、远距离观测以及人员测温的应用场景，红外热成像摄像头的应用也越来越广泛，红外热成像摄像头的成像质量备受关注，但是由于红外热成像摄像头的探测器制造工艺、电子线路等噪声原因，导致热成像输出的视频图像噪声较大，而一般传统的滤波降噪算法，比如均值滤波、中值滤波、高斯滤波降噪效果不理想或者模糊图像边缘轮廓。而双边滤波、非局部均值滤波、BM3D 3维滤波算法复杂度高，消耗的资源太多，延迟大，不太适应于边缘端的小型化、低成本的处理器上部署，而引导滤波在保边滤波算法中相对更有优势。

但是在引导滤波过程中，在每个像素的所有邻域块中，正则化参数(平滑因子)是先验给定，并且不变的。在图像中对于边缘轮廓或者平坦的区域，均采用该种策略，那边缘的轮廓被局部平滑后，不可避免地产生光晕伪影，为了优化引导滤波算法边缘保持性能，同时解决或者减轻由于局部平滑过程中产生的光晕伪影现象，提出了一种新的权重加权聚合方法。

引导滤波用到了局部线性模型如图1所示，该模型认为，某函数上一点与其邻近部分的点成线性关系，一个复杂的函数就可以用很多局部的线性函数来表示，当需要求该函数上某一点的值时，只需要计算所有包含该点的线性函数的值并做平均即可。该模型在表示非解析函数上非常有用。我们可以认为图像是一个二维函数，而且没法写出解析表达式，因此我们假设该函数的输出与输入在一个二维窗口内满足线性关系：

q＝mean_a.*I+mean_b

其中q是引导滤波输出，mean_a，mean_b是局部二维窗口邻域内线性函数的平均系数，I是输入图像。引导滤波图像算法相对于均值滤波、高斯滤波等图像滤波算法是边缘保持的一种滤波算法，但是作为一种局部滤波器，引导图像滤波存在光晕伪影问题，是显示效果上存在一圈一圈伪影轮廓，严重影响视觉效果。

同时，该种滤波算法在计算每一个像素输出时，需要经历在以当前像素为中心的多个相邻的邻域内多次计算线性模型参数，然后乘积累加求和，求平均等过程，并且邻域窗口半径越大，在邻域内计算的时间越长，图像输出延时越大，消耗的硬件的资源也越多，并且不能实时的应用在我们的显示设备上。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于FPGA的引导滤波加权聚合方法及系统。

根据本发明提供的一种基于FPGA的引导滤波加权聚合方法，包括以下步骤：

步骤S1：采用引导滤波降噪对图像处理，获取像素点的邻域块的线性回归系数；

步骤S2：根据线性回归系数对像素点不同的邻域分别配置权重，对新的权重进行加权聚合，生成降噪后的图像。

优选的，所述步骤S1的线性回归系数包括：

其中，σ²_i为系数窗口的方差，n²为系数窗口的个数，ε为平滑因子，为系数窗口内平均值。