0 引言

    霧霾天氣下采集的交通監(jiān)控視頻圖像存在畫質(zhì)模糊、亮度偏暗等問題，這會給交通車輛監(jiān)管和有效信息采集帶來極大困難，使人們很難從圖像中提取出有效信息。因此，如何快速高效地對圖像進(jìn)行去霧，降低天氣條件對交通監(jiān)控系統(tǒng)的影響，提高交通監(jiān)控視頻質(zhì)量已成為亟需解決的問題。

    目前為止，圍繞如何有效去霧，國內(nèi)外出現(xiàn)了很多種去霧方法，這些研究方法大體可分為兩類：圖像增強方法和圖像復(fù)原方法。圖像增強方法是早期人們探索如何有效去霧時常用的方法，主要有基于統(tǒng)計特性的直方圖均衡化算法^[1]和Edwin.H.Land等人提出的Retinex理論^[2]。如文獻(xiàn)[3]利用圖像增強方法實現(xiàn)有效圖像去霧；文獻(xiàn)[4]通過改善圖像對比度達(dá)到視覺去霧效果；該類方法重點在于通過各種方法改善圖像對比度，從而實現(xiàn)視覺上的去霧，但沒有考慮到霧天圖像場景深度的多樣性，因而不能從根本上實現(xiàn)去霧?；谖锢砟Ｐ偷膱D像復(fù)原方法復(fù)原后圖像自然，具有很好的去霧效果。具有代表性的是何愷明提出的暗通道先驗去霧算法^[5]，該方法根據(jù)暗通道統(tǒng)計規(guī)律復(fù)原清晰圖像，去霧效果明顯，但計算量較大，尤其是細(xì)化透射率采用的軟摳圖（或?qū)驗V波^[6]）過于復(fù)雜和耗時,無法滿足實時視頻去霧處理。

    FPGA具有強大的并行運算處理能力，完全可以做到視頻實時處理，基于此，F(xiàn)PGA作為一種高效便攜的實時視頻處理平臺被廣泛應(yīng)用。本文在研究文獻(xiàn)[7]算法的基礎(chǔ)上，針對FPGA運算能力強、處理速度快等特性，對文獻(xiàn)[7]算法做出簡化和改進(jìn)，提出了一種霧天交通視頻圖像快速去霧系統(tǒng)。實驗證明，該系統(tǒng)可有效解決霧天交通監(jiān)控視頻圖像降質(zhì)問題。

1 快速去霧算法

1.1 算法流程

    為了降低去霧算法的復(fù)雜度，提高系統(tǒng)的實時性，本系統(tǒng)在亮度Y分量的基礎(chǔ)上進(jìn)行有效去霧處理，具體去霧算法流程如圖1所示。首先將采集到的視頻數(shù)據(jù)通過解碼、轉(zhuǎn)換成YCbCr數(shù)據(jù)并緩存到SDRAM中，然后提取出亮度Y分量，并對其反相化處理得到反色圖，反色圖進(jìn)行中值濾波處理，濾波后得到的圖像即為大氣散射模型的傳播圖；利用一幀圖像YCbCr數(shù)據(jù)估計出當(dāng)前大氣光強度A；依據(jù)大氣散射模型，利用傳播圖、大氣光強度A和霧圖亮度分量復(fù)原無霧圖像亮度分量；最后在復(fù)原后的圖像RGB基礎(chǔ)上進(jìn)行亮度校正得到最終去霧圖像，解決去霧處理后的圖像畫質(zhì)偏暗問題。

1.2 大氣光強度估計

    本系統(tǒng)充分考慮FPGA實現(xiàn)的可能性，以及交通監(jiān)控視頻處理實時性要求，對大氣光強度A的獲取作以下調(diào)整：首先獲取一幀圖像的最大亮度值Y_max，然后將Y_max和其對應(yīng)的Cb、 Cr數(shù)據(jù)轉(zhuǎn)換成RGB數(shù)據(jù)，得到I_R、I_G、I_B，此時大氣光強度為：A=max[I_R，I_G，I_B]。

1.3 傳播圖的估計與中值濾波處理

    獲取傳播圖的目的就是獲取場景目標(biāo)霧氣濃度，以便與霧圖復(fù)原出無霧圖像。本系統(tǒng)采用亮度反相化快速獲取傳播圖，該方法簡單有效，滿足視頻去霧實時性要求。考慮到復(fù)原無霧圖像時，目標(biāo)場景細(xì)節(jié)容易被淹沒，為了增強目標(biāo)場景的邊緣細(xì)節(jié)信息，同時濾出反相化處理疊加的噪聲，需要對反色圖進(jìn)行中值濾波處理，以便增強復(fù)原圖像邊緣細(xì)節(jié)。

    中值濾波是將濾波模板內(nèi)的灰度值進(jìn)行有效排序，選取中間值作為該滑動模板的輸出值。設(shè)f(x，y)、g(x，y)分別是圖像灰度值和中值濾波有效輸出值。若W為滑動濾波模板，則：

1.4 圖像復(fù)原

    根據(jù)大氣散射模型表達(dá)式，利用傳播圖即可復(fù)原無霧圖像亮度分量。由于傳播圖存在趨于0的情況，所以有必要在式(2)中加入一個下限值t₀，則所需復(fù)原公式為：

1.5 圖像亮度校正

    去霧復(fù)原后的圖像畫質(zhì)偏暗，需要對圖像亮度重新校正。視頻圖像去霧處理對實時性要求很高，亮度校正要盡可能不影響系統(tǒng)的實時性。

    基于以上思想，本文提出了一種簡單、高效的提升圖像亮度的方法，該方法在復(fù)原后圖像RGB基礎(chǔ)上，依據(jù)灰度值大小對圖像亮度進(jìn)行校正，具體方法如下：

其中，c代表R、G、B三顏色通道；p是校正因子，p值越大，調(diào)整后圖像畫質(zhì)越亮。本文通過實驗發(fā)現(xiàn)，選取p=50，可取得較好的校正效果。

2 基于FPGA快速去霧算法實現(xiàn)

    本系統(tǒng)總體框架如圖2所示。

    系統(tǒng)分為4個功能模塊，分別為大氣光強度A獲取模塊、傳播圖估計與濾波模塊、圖像復(fù)原模塊和亮度校正模塊。圖像數(shù)據(jù)處理采用流水線工作模式，所有圖像數(shù)據(jù)串行輸入各模塊并被逐一處理，最后完成去霧處理后輸出。FIFO用于緩存各模塊之間的數(shù)據(jù)，使它們之間更加協(xié)調(diào)工作。   

2.1 大氣光強度獲取模塊

    首先從亮度圖中獲取最大亮度值Y_max，然后將Y_max和其對應(yīng)的Cb、Cr數(shù)據(jù)轉(zhuǎn)換成RGB數(shù)據(jù)，取A=max[I_R，I_G，I_B]；獲取大氣光強度A需要遍歷一幀圖像數(shù)據(jù)，這嚴(yán)重影響了系統(tǒng)的實時性，為了降低獲取大氣光強度A對系統(tǒng)實時性的影響，在比較器工作的同時設(shè)置一個計數(shù)器，當(dāng)計數(shù)器計數(shù)達(dá)到640×480（視頻源采用PAL制式640×480彩色圖像）時，即表示一幀圖像數(shù)據(jù)處理完畢。通過實驗分析，本系統(tǒng)每處理完20幀圖像數(shù)據(jù)更新一次大氣光強度A,可獲得較好的視頻去霧效果。具體操作流程如圖3所示。

2.2 傳播圖估計與濾波模塊

    中值濾波模塊主要分為滑動模板和排序模塊兩部分。系統(tǒng)選用3×3滑動模板進(jìn)行中值濾波，調(diào)用IP核altshift_taps移位寄存器實現(xiàn)滑動模板功能，如圖4所示。其中，D1~D9是待排序模塊處理的圖像亮度值。

    將D1~D9按大小排序后，得到的中間值作為當(dāng)前滑動模板中值濾波輸出值，如圖5所示。

2.3 圖像復(fù)原模塊

    除法運算調(diào)用Quartus II中的LPM_DIVIDE除法器實現(xiàn)。

2.4 亮度校正模塊

    去霧復(fù)原后的無霧圖像會出現(xiàn)畫質(zhì)偏暗現(xiàn)象，因場景不同而產(chǎn)生不同程度的偏暗，不但降低了去霧效果，而且嚴(yán)重影響交通監(jiān)控視頻有效信息的提取。因此本系統(tǒng)在復(fù)原無霧圖像后利用校正式(4)對圖像亮度重新校正，提高圖像整體亮度。在利用式(3)計算灰度值時，由于FPGA不支持浮點數(shù)計算，所以將式(3)轉(zhuǎn)換成式(6)計算灰度值：

3 實驗分析

    本系統(tǒng)FPGA^[8]選用Altera公司的Cyclone II系列EP2C70F896C6作為主控芯片，使用Verilog^[9]語言編程，視頻源為采集的PAL制式640×480彩色圖像，輸出端VGA顯示模式為640×480，刷新頻率為60 Hz。系統(tǒng)在優(yōu)化去霧算法的基礎(chǔ)上進(jìn)一步提高了實時性，去霧處理速度為60幀/s，完全滿足視頻實時處理要求。

    表1為系統(tǒng)實驗占用FPGA資源情況，本系統(tǒng)設(shè)計并沒有占用太多FPGA資源，硬件成本很低。

4 結(jié)論

    本文提出了一種基于FPGA硬件平臺的交通視頻圖像快速去霧系統(tǒng)，該系統(tǒng)去霧效果良好，可有效降低霧天對交通監(jiān)控系統(tǒng)的影響。FPGA具有運算能力強、邏輯資源豐富等特性，因此，本系統(tǒng)可根據(jù)實際需要與其他系統(tǒng)相連接，如作為交通車牌識別前端處理，為后續(xù)車牌檢測、識別提供高質(zhì)量、清晰視頻源。本系統(tǒng)設(shè)計簡單，成本較低，具有很好的實用價值。

參考文獻(xiàn)

[1] 詹翔，周焰.一種基于局部方差的霧天圖像增強方法[J].計算機應(yīng)用，2007，27(2)：510-512.

[2] 林笑君，梁鳳梅.基于Retinex的一種圖像去霧算法[J].電視技術(shù)，2013(17)：047.

[3] TAN R T.Visibility in bad weather from a single image[C].Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.Washington D.C.，USA：IEEE Press，2008：1-8.

[4] RIZZI A，MARINI D，ROVATI L L，et al.Unsupervised corrections of unknown chromatic dominants using a Brownian-path-based Retinex algorithm[J].Journal of Electronic Imaging，2003，12(3)：431-441.

[5] HE K，SUN J，TANG X.Single image haze removal using dark channel prior[C].Proceedings of IEEE Conference on Computer Visionand Pattern Recognition，Miami，F(xiàn)L，USA：IEEE Computer Society，2009：1956-1963.

[6] HE K，SUN J，TANG X.Guided image filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2013，35(6)：1397-1409.

[7] 郭璠，蔡自興，謝斌，等.單幅圖像自動去霧新算法[J].中國圖象圖形學(xué)報，2011，16(4)：516-521.

[8] 克里茲(美).高級FPGA設(shè)計結(jié)構(gòu)、實現(xiàn)和優(yōu)化[M].孟展元，譯.北京：機械工業(yè)出版社，2009.

[9] 帕爾尼卡(美).Verilog HDL數(shù)字設(shè)計與綜合[M].夏宇聞，譯.北京：電子工業(yè)出版社，2009.

作者信息：

高全明1，孫俊喜2，劉廣文1，才  華1，陳廣秋1

(1.長春理工大學(xué) 電子信息工程學(xué)院，吉林 長春130022；2.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院，吉林 長春130117)