论文部分内容阅读
近年来,图像处理发展迅速,已深入到人们的日常生活中。但是采集到的图像质量受外界环境影响较大,例如在雾霾天气下采集的图像存在画质模糊、亮度偏暗等问题,不仅影响视觉效果而且很难从中获取有价值信息。目前在目标识别、图像跟踪等领域,如何快速高效对图像进行去雾,提高图像质量已成为亟需解决的问题。本文详细介绍了两种去雾算法。第一种去雾算法是对暗通道先验去雾算法(简称He算法)的改进算法,本文通过对He算法深入研究,发现He算法处理视频图像存在两点不足:1、He算法对天空区域去雾失效,天空区域去雾后容易出现色彩失真;2、利用粗略透射率复原无雾图像后会出现光晕现象,而细化透射率采用的软抠图(或引导滤波)方法过于复杂和耗时,难以在FPGA硬件平台上实现且无法满足视频去雾实时性要求。针对以上两点不足,本文在满足FPGA可行性以及视频处理的实时性前提下,提出如下改进方法:1、对于色彩失真问题,设置自适应校正阈值,分割图像中天空等高亮区域和非天空区域,对天空等高亮区域的透射率进行有效校正,减小透射率偏差进而消除色彩失真。2、针对He算法细化透射率过程过于复杂和耗时,本文对细化过程进行有效改进,基于最小值滤波思想对暗通道进一步细化,通过细化暗通道达到细化透射率的目的,从而抑制光晕现象。第二种去雾算法为快速去雾算法,该算法在亮度分量基础上估计传播图,然后基于大气散射模型复原清晰图像,具有简单可靠、易于实现等优点,可实时处理高分辨率视频图像。之后利用Altium designer设计硬件电路,完成硬件平台的焊接测试工作。最后在设计的FPGA硬件平台上完成改进算法的编程移植和调试优化工作,实现实时视频图像去雾。MATLAB仿真和硬件系统测试结果均表明,在保证输出视频质量的前提下,两种算法均达到了很好的去雾效果。此外,系统设计简单、成本较低,具有很好的实用价值。系统可根据实际需要与其它系统相连接,如作为车牌识别前端处理,为后续车牌检测、识别提供高质量、清晰视频源。