雾霾环境下图像清晰化处理研究与应用

渊湖南工程职业技术学院袁湖南长沙410151冤

咱摘要暂用TMS320DM2芯片作为主处理芯片搭建雾霾图像处理平台袁研究雾霾图像处理原理和算法袁比较不同算法的优劣势袁采用暗通道滤波算法进行图像清晰化处理袁完成雾霾天气下图像采集尧处理尧显示的过程袁建立一套简单的去雾系统遥

咱关键词暂雾霾曰图像处理曰清晰化曰暗通道曰平台中图分类号院TP391.41文献标识码院A文章编号院1008-6609渊2019冤0源-0001-04

能力强尧高集成度遥市场上主流DSP芯片制造厂家主要有三家院德州仪器渊TI冤尧模拟器件公司渊ADI冤及摩托罗拉渊Motoro-la冤袁其中TI公司独占鳌头[5]遥

TI公司的DSP产品主要应用范围在机器视觉尧航空电子和国防尧尺寸尧重量和功耗渊SWAP冤尧音频尧视频编码/解码与生物识别领域遥本文搭建的实时图像处理系统主要采用TI公司的TMS320DM2作为主处理芯片袁美光MT48LC4M32B2TG作为存储芯片袁PhilipsSAA7121H作为视频解码芯片遥雾霾天气图像处理系统中所处理的图像为8位灰度图像袁图像数据范围为0~255袁可选用定点DSP曰视频图像为PAL采集制式袁帧数可达25帧每秒袁查看DMX系统媒体处理器对比表袁TMS320DM2满足系统所需要求遥TMS320DM2采用第二代高性能尧先进的超长指令字ve-lociT1.2结构的DSP核及增强的并行机制袁当工作在720M赫兹的时钟频率下袁其处理性能最高可达5760MI/s袁不仅拥有高速控制器的操作灵活性袁而且具有阵列处理器的数字处理能力袁TMS320DM2的外围集成了非常完整的音频尧视频和网络通信接口遥

2.2图像硬件平台系统设计及模块设计

雾霾天气图像硬件系统总体设计工作步骤分为四步袁如图1所示遥

图像硬件平台模块基于硬件系统设计袁主要包括系统电源设计尧视频解码芯片尧视频端口设计尧编码模块的设计尧外围存储模块的设计遥系统电源设计包括I/O电压和内核电压袁其中I/O电压为3.3V袁为I/O口电路提供电压保证稳定运行曰

1引言

日常生活中袁雾霾天气是很常见的天气现象袁我国的大范围地区都不同程度地遭到了雾霾的侵袭遥雾霾的主要成分是PM2.5袁雾霾天最明显的大气特征就是大气透明度降低导致能见度降低[1-2]遥随着数字图像处理技术的发展袁模糊图像主要有模拟和数字两种处理方式袁模拟图像处理主要是利用光学及电力电子知识袁数字图像处理主要是利用计算机及电路对图像进行处理遥模拟图像处理优点在于实时性好袁缺点是准确度低尧灵活性差曰数字图像处理相对而言能弥补模拟电路准确度及灵活性的短板袁输入数据来自可见光图像袁无需额外传感器袁与人类视觉感受及其吻合袁受到广泛认可[3]遥

近年来袁国内外研究人员分析发现袁大气散射作用会削弱高灰度值像素袁加强图像低灰度值像素袁导致灰度值分布集中袁使得图像对比度退化袁图像不清晰[4]遥雾霾天气给城市里人们的出行带来巨大的困扰袁该天气下获取的模糊图像也给该领域的研究者带来了较大的难度袁因此袁图像去雾有着非常重要的意义遥

2雾霾天气图像处理硬件平台的搭建

2.1DSP技术简介及主芯片选型

数字信号处理渊DSP冤是涉及很多学科的新兴学科袁是利用计算机或专用处理设备对数字信号进行采集尧变换尧滤波尧增强尧压缩尧识别等处理遥基于DSP的信号处理系统具有诸多优势袁如丰富的外设尧特殊的寻址模式尧可程控性尧数据处理

作者简介院易礼智渊1980-冤袁男袁湖南娄底人袁硕士袁副教授袁研究方向为电子学尧自动控制遥

基金项目院湖南省教育厅科学研究项目叶雾霾环境下避障智能小车的研究曳研究成果袁项目编号院15C0350遥

-1-

电脑与电信窑利用CCD拍摄图片采集图像处理信号配置SAA7113H采集视频制式及工作模式SAA7113H通过视频解码进行A/D芯片转换传输A/D转换信号数据SAA7121H完成由D/AI2C转总换线配置芯片进行雾霾图像处理TMS320DM2经由SDRAM芯片导入在显示器中显示处理结果图1硬件系统设计工作步骤

内核电压为1.4V袁主要给DSP芯片供电遥系统选用100-240V输入电压袁12V电压适配器输出袁电压调压芯片LM2596S可调电压输出范围从1.7V到37V袁I/O电压先于内核上电遥视频解码芯片选用Philips公司生产的SAA7113H袁该芯片可接受PAL尧NTSC及SECAM视频信号并进行解码袁具有四路模拟信号输入通道尧两个9位ADC袁具有低功耗尧低电压尧小封装等特点遥视频端口的设计选用PAL制式模拟电视信号袁隔行扫描模式袁分辨率720*576袁供电频率50Hz袁帧数25帧/秒遥视频输出模块用于显示数模转换输出处理后的图片袁本系统选用Philips公司的SAA7121H袁该芯片的工作电压尧封装尧可处理的视频信号格式尧I2C总线工作效率等与SAA7113H一致遥为保证系统的实时性和准确性袁本系统利用EMIF外存储器接口外扩SDRAM来增加存储空间袁SDRAM和FLASH均可通过EMIF接口连接到TMS320DM2上袁完成雾霾图像处理硬件平台部分的设计与实现遥

3雾霾天气图像清晰化处理算法

目前袁国内外图像处理领域针对雾霾天气图像清晰化处理主要分为基于图形增强的单幅图像去雾方法和基于图像复原的单幅图像去雾方法遥

基于图像增强的单幅图像去雾方法是从人的视觉感受出发袁通过修正图像色彩尧增强图像对比度来强化图像中有价值的信息袁实现图像清晰化处理遥常用的方法包括直方图均匀化渊HistogramEqualization冤尧利用同态滤波处理光照不均匀实现去雾尧基于Retinex算法的MSR滤波器进行去雾等遥经过Retinex算法处理后再使用中值滤波对图像去噪袁得到的无雾图像纹理清晰尧图像细腻[6]遥基于图像复原的单幅图像去雾方法本质上是一种数学及物理的计算过程袁通过建立物理模型来描述图像退化袁从图像降质的逆过程入手袁同时结合某些已知的先验知识来复原清晰无雾图像袁是目前常用的图像去雾方法遥目前袁在图像处理领域有5种基于模型的图像去雾方基于大气传递函数模型的图像复原方法尧利用偏微分方程实现图像去雾的方法尧利用局部分治的思想及

-2-

大气光的求解去雾尧利用图像景深信息的去雾方法尧暗通道理论的去雾方法遥其中袁暗通道理论的去雾算法是通过对大气散射模型的推导得到最后的去雾图像袁也是本文采用的算法遥

3.1暗通道图像

在雾天图像中袁非天空局部区域总是存在一个通道具有很小的灰度值袁即该区域光强度的最小值是一个很小的数袁称为图像的暗原色点[7]遥暗通道的数学定义可以表示为

Jdark渊载冤=minc

y∈赘(x渊)

c沂min{r袁g袁b}

J渊

y冤冤min式中袁Jc表示彩色图像的每个通道袁赘(X)表示以像素X为中心的一个窗口遥暗通道先验的理论指出Jdark→0遥

暗通道产生的因素主要有深色的物体尧投影尧色彩鲜艳的物体袁实际生活中袁诸如汽车尧建筑物尧树叶与岩石等的投影袁绿色的草地尧树及红色的花朵尧蓝色的指示牌等遥在有雾情况下的原图与暗通道图如图2所示遥

渊a冤原图

渊b冤暗通道图

图2雾霾景物原图与暗通道图

3.2暗通道滤波算法

在计算机视觉和计算机图形中袁下述方程所描述的雾图形成模型被广泛使用[8]院

渊Ix冤=J渊x冤渊tx冤+A渊1-t渊x冤冤

其中袁I(X)就是我们现在已经有的图像渊待去雾的图像冤袁J(x)是我们要恢复的无雾的图像袁A是全球大气光成分袁t(x)电脑与电信窑为透射率遥现在的已知条件就是I(X)袁要求目标值J(x),显然袁这是一个有无数解的方程袁因此袁需要一些先验遥式子修正后得到院

~t渊x冤=1-棕minc冤∈赘(x渊)minI渊yycAc冤本设计所有测试结果依赖于棕=0.95遥对于输入的图片M袁维度为a*b袁我们可以计算每个像素点在三个通道上的最小值袁得到矩阵minMatrix袁再对这个矩阵图像的每个像素点进行遍历操作袁即在以每个小像素点(m,n)为中心的31*31小方格范围里渊即公式中出现的赘冤找到最小值袁并将其保存下来袁得到一个新的维数为a*b的矩阵遥这个矩阵为图像的暗通道矩阵遥

上述推论中都是假设全球大气光A值是已知的袁在实际中袁我们可以借助于暗通道图来从有雾图像中获取该值遥具体步骤分为两步院其一袁从暗通道图中按照亮度的大小取前0.1%的像素曰其二袁在这些位置中袁在原始有雾图像I中寻找对应的具有最高亮度的点的值袁作为A值遥当投射图t的值很小时袁会导致J的值偏大袁从而使图像整体向白场过度袁因此一般可设置一阈值T0袁当t值小于T0时袁令t=T0袁本文中所有效果图均以T0=0.1为标准计算遥因此袁最终的恢复公式如下院

渊Jx冤越Ix冤-A+A因子D袁若max渊D<1.4渊渊t袁x冤则,t0冤设定偏色图像为清晰图像袁无需进行处理曰若D>1.4袁则是降质图像袁需采用暗通道滤波算法处理图像袁本文的算法流程如图3所示遥

图3本设计算法流程

直接去雾后的图像会比原始的暗袁本设计在处理完后进行一定的曝光增强袁去雾效果如图4所示遥

渊a冤雾霾天原图

渊b冤去雾效果图

图4暗通道理论法去雾对比

窗口的大小对结果来说是一个关键的参数袁窗口越大袁其包含暗通道的概率越大袁暗通道也就越黑袁去雾效果越不明显袁本设计窗口大小设定在11~51间遥

4结论与展望

雾霾对人们生活的影响越来越大袁如何清晰化雾霾图像以满足日益发展的智能交通系统尧遥感系统及监控系统的需求袁具有很大的研究价值遥本文采用TMS320DM2芯片作为主处理芯片搭建雾霾图像处理平台袁研究雾霾图像处理原理和算法袁比较不同算法的优劣势袁采用暗通道滤波算法进行图像清晰化处理袁完成雾霾天气下图像采集尧处理尧显示的过程袁建立一套简单的去雾系统遥结果表明袁本设计的去雾系统能较好地处理雾霾天气下的降质图像袁在颜色保持及避免图像光晕方面具有良好的表现袁但一旦雾霾的浓度比较大时袁就很难达到预期的效果袁此时需要外部信息的补充遥本设计后期将考虑研究并利用并行技术袁实现多处理机快速处理的并行算法袁在雾霾天气图像清晰化处理领域作更深入的研究遥

参考文献院

[1]海博.基于DSP的雾霾天气图像处理的研究[D].哈尔滨:哈尔滨理工大学,2013.-3-

电脑与电信窑[2]陆新宇.基于MSR的雾霾图像处理研究[D].银川:宁夏大学,2017.[3]宋欠.基于千兆网相机的雾霾车牌图像处理技术研究[D].南京:南京理工大学,2014.[4]刘振宇,江海蓉,徐鹤文.极端天气条件下低质图像增强算法研究[J].计算机工程与应用,2017,53(08):193-198,245.[5]吴佳敏.雾霾环境下的交通视频图像处理技术研究[D].杭州:浙江工业大学,2015.[6]张道华.雾霾条件下单幅图像去雾算法研究与实现[J].韶关学院学报,2015,36(06):8-13.[7]胡媛媛.雾霾图像清晰化处理算法的研究[D].南京:南京理工大学,2014.[8]LuGuo.SingleImageHazeRemovalUsingDarkChannelPriorandAdaptiveTransmissionRate[A].InstituteofManagementScienceandIndustrialEngineering.Proceedingsof20182ndInternationalConferenceonComputerScienceandIntelligentCommunication(CSIC2018)[C].InstituteofManagementScienceandIndustrialEngineering:计算机科学与电子技术国际学会(ComputerScienceandElectronicTechnologyInternationalSociety),2018:7.ResearchandApplicationofImageClarityProcessinginHazeEnvironment

YILi-zhi(HunanVocationalCollegeofEngineering,Changsha410151,Hunan)ThehazeimageprocessingplatformisbuiltwithTMS320DM2chipasthemainprocessingchip.Theprincipleandalgorithmofhazeimageprocessingarestudied,theadvantagesanddisadvantagesofdifferentalgorithmsarecompared,andthedarkchannelfilteringalgorithmisusedforimageclarityprocessing.Theprocessofhazeimageacquisition,processinganddisplayarecompleted,andasimplefogremovalsystemareestablished.haze;imageprocessing;clarity;darkchannel;platform-4-