图像去雾的算法研究与FPGA实现

发布时间：2020-04-08 17:39

【摘要】：在雾天环境下,因为空气中大气的散射作用,拍摄到的图像会发生降质而变得模糊不清,造成图片的对比度降低,很多细节信息都无法获取,从而影响监控系统等各类依赖于光学成像仪器的系统工作。为了去除雾气产生的影响,复原出图像的细节信息,使用图像去雾技术来增强或修复图像具有深刻的研究意义。随着技术的不断进步和图像清晰度的提高,在PC机使用软件实现图像去雾已经不能满足要求,FPGA的发展为其注入了新的活力。然而在FPGA上对图像去雾进行实现时仍然存在着效果上的瓶颈以及实现复杂等问题。本文对去雾算法和FPGA设计进行了深入研究,对去雾算法进行改进,最终在FPGA上实现了改进后的算法。首先,本文介绍了基于图像增强的图像去雾方法与基于物理模型的图像去雾方法,分析了两者的优点和瓶颈,最终选择了基于物理模型的暗通道先验图像去雾算法来恢复得到清晰图像。由于该算法存在着使用的软抠图算法过于复杂,以及有些步骤不适合在FPGA上实现的问题,在具体实现时会限制处理的速度并且浪费珍贵的硬件资源,因此本文在对原算法充分研究的基础上进行了进一步的改进。在保证去雾效果的前提下,本文对其中的某些步骤和操作进行了优化和简化。其中,为了使透射率计算和大气光估计在硬件上实现起来更加快速方便,同时节约硬件资源,对它们的计算过程分别进行了简化;针对光晕现象以及用于去除光晕的软抠图算法过于复杂的问题,着重对其它细化透射率的方法进行了研究,最终确定了导向滤波和结合边缘检测两种方法进行进一步的选择。在软件平台上对以上两种方案进行了实现和仿真,并通过主观感受和客观评价的方法对它们的去雾结果进行了比较。最后选择利用导向滤波的方法细化透射率,进而对图像进行恢复。通过以上过程确定了本文中图像去雾算法的基本流程。最后,本文在FPGA上实现了改进后的图像去雾算法。以FPGA芯片作为核心处理器,在保持去雾效果的前提下,针对FPGA的特点,充分发挥其优势,使用基于FPGA的实现优化方法,实现了暗通道获取、透射率计算、大气光估计以及最终图像恢复等多个模块的硬件逻辑,尽可能地减少了计算复杂度并节省了资源。其中重点对暗通道获取中的最小值滤波部分与细化透射率中的导向滤波部分的实现进行了讨论和分析,并对图像的边界部分进行了设计。然后对各模块的功能进行了验证,并对实际的有雾图像进行了去雾处理。
【图文】：

和图 2.5 所示，其右侧的图像即为当窗口尺寸为 15*15 时按照此步骤获取得到的暗通道图。图2.4 无雾图像和它的暗通道图图2.5 有雾图像和它的暗通道图图 2.4 为户外场景中的无雾图像和它相应的暗通道图，，图 2.5 为户外场景中的有雾图像和它相应的暗通道图，其中左边为原图，右边为相应的暗通道图。对两组图片进行对比观察可以发现，无雾图像的暗通道图的颜色几乎全部为黑色，而有雾图像的暗通道图的颜色更接近灰白色。进一步分析可得，暗通道图的不同颜色可以用来估计图像中雾的浓度。

图2.4 无雾图像和它的暗通道图图2.5 有雾图像和它的暗通道图图 2.4 为户外场景中的无雾图像和它相应的暗通道图，图 2.5 为户外场景中的有雾图像和它相应的暗通道图，其中左边为原图，右边为相应的暗通道图。对两组图片进行对比观察可以发现，无雾图像的暗通道图的颜色几乎全部为黑色，而有雾图像的暗通道图的颜色更接近灰白色。进一步分析可得，暗通道图的不同颜色可以用来估计图像中雾的浓度。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TN791

【相似文献】

相关期刊论文 前10条

1 冯桂莲;;曲率驱动扩散图像边缘形态复合滤波方法仿真[J];计算机仿真;2019年09期

2 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

3 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

4 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

5 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

6 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

7 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

8 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

9 许志强;张婷;;数字式多媒体场景图像准确分类方法仿真[J];计算机仿真;2019年07期

10 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 孙增国;师蕊;;基于L_(1/2)范数的高分三SAR图像的非局部均值降斑[A];第五届高分辨率对地观测学术年会论文集[C];2018年

7 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

8 赵恩良;姜盈帆;孙丽华;曹康敏;金瑞巧;;一种基于变窗口的图像去噪算法研究[A];第十六届沈阳科学学术年会论文集（理工农医）[C];2019年

9 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

相关重要报纸文章 前7条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 徐和德;从实战出发选择合适镜头[N];中国摄影报;2019年

7 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 吴思东;基于人工复眼的场景感知方法[D];西南交通大学;2019年

2 吴迪;光学遥感图像典型目标检测方法研究[D];哈尔滨工业大学;2019年

3 王瑶;复杂天气下的道路识别方法研究[D];哈尔滨工业大学;2019年

4 宋伟先;基于深度学习的猪只目标检测及状态分析[D];东北农业大学;2019年

5 张玲;图像光照恢复与分解技术研究[D];武汉大学;2017年

6 蔡博仑;图像去雾与增强算法的研究[D];华南理工大学;2019年

7 欧巧凤;二维凝胶电泳图像中一致蛋白质斑点集检测技术研究[D];西北工业大学;2018年

8 唐国良;视频监控图像局部特征描述和相机接力研究[D];西安电子科技大学;2019年

9 孙景峰;基于图像特征的示波屏识别关键技术研究及应用[D];西北工业大学;2018年

10 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

相关硕士学位论文 前10条

1 王东;视觉窄化下船舶目标图像的检测方法研究[D];江苏科技大学;2019年

2 许晨;基于图像的内河导航与目标跟踪关键技术研究[D];江苏科技大学;2019年

3 提璇;基于两种先验知识的图像去雾算法[D];山东科技大学;2018年

4 陈晓迪;基于单幅图像的去雾算法研究[D];黑龙江大学;2019年

5 陈国松;基于FPGA和USB3.0的图像信息采集与处理系统设计与实现[D];吉林大学;2019年

6 单榕;基于视觉感受度和物体度的图像显著性检测算法研究[D];山东科技大学;2018年

7 田媛媛;基于稀疏重建方法的牛体征检测图像研究[D];内蒙古科技大学;2019年

8 常一凡;基于CTA图像的冠状动脉分割方法研究[D];内蒙古科技大学;2019年

9 李芳;影响panum融合区显示深度相关参数研究及图像优化[D];内蒙古科技大学;2019年

10 余洁;基于集群的海量MOST图像快速预处理研究[D];华中科技大学;2019年

本文编号：2619637