基于FPGA的紅外圖像增強算法的實現

周培濤

摘要：根據紅外圖像的特點，提出了一種改進的對比度增強算法，并采用FPGA進行實時圖像處理，來提高紅外圖像的成像質量。對普通的對比度增強算法和改進的對比度增強算法的處理效果進行比較。改進的對比度增強算法使處理后的圖像邊緣更加清晰，保護了圖像的細節，又有效地抑制了圖像的噪聲，提高了紅外圖像的視覺效果。

關鍵詞：圖像增強;FPGA;信號處理，紅外圖像

0引言

紅外圖像具有高背景、低反差的特點，加之紅外焦平面陣列元響應率的不一致、電荷傳輸效率、噪聲以及環境溫度變化等諸多因素造成的圖像的非均勻性，進一步損害了圖像質量，為了能夠增強視覺效果和準確測量溫度信息，所以必須采取非均性校正、圖像增強等處理來改善圖像質量，抑制圖像噪聲，增強圖像信息，抑制非均勻性。本文的主要目的是以紅外圖像特征為出發點，研究紅外圖像的增強處理方法，提出一種改進的對比度增強算法，并采用FPGA硬件進行實現，同時和普通增強算法處理效果進行了實驗比較。

1.??? 局部自適應對比度增強算法

本文設計的局部自適應對比度增強算法算法首先將圖像分成兩個部分。一是低頻部分，可以通過圖像的低通濾波（平滑）獲得。二是高頻成分，可以過原圖減去低頻獲取。然后高頻部分被放大（放大系數集即對比度增益GAIN）并加入到反銳化掩模中去，最后得到增強的圖像。此算法的核心就是如何計算GAIN。

圖像的低頻成分，一般可以通過計算以該像素為中心的局部區域的像素平均值來實現。我們假定x（i，j）是圖像中某點的灰度值，局部區域的定義為：以（i，j）為中心，窗口大小為（2n+1）*（2n+1）的區域，其中n為一個整數。當然這個窗口區域也不一定就要是正方形。局部的平均值，也就是低頻部分，

σx（i，j）就是所謂的局部標準差。定義f（i，j）表示x（i，j）對應的增強后的像素值。則自適應對比度增強算法可以表示如下：

（5）

上式中，CV是個常數，這樣，GAIN是空間自適應的，并且和局部均方差成反比，在圖像的邊緣或者其他變化劇烈的地方，局部均方差比較大，因此GAIN的值就比較小，這樣就不會產生振鈴效應。然而，在平滑的區域，局部均方差就會很小，這樣GAIN的值比較大，從而引起了噪音的放大，所以需要對GAIN的最大值做一定的限制才能獲得更好的效果。

CV這個常數的取值可以用的圖像的全局均方差，并且增加一個參數Percent，用來再次控制高頻增強的程度。如果圖像的全局均方差和σx（i，j）和比值太大，就默認為背景可以令Percent減小至0 從而達到背景噪聲不被增強。

f（i，j）=Ex（i，j）+Percent*GAIN[x（i，j）-Ex（i，j）]

（6）

在本方案中將取樣半徑n取值不大于64，增強程度不大于200%，對均值進行模糊優化，就是先行均值，再列均值的優化方式。優化后的算法執行時間和n的沒有關系。

2???? 紅外圖像增強算法硬件實現總體設計方案

基于xilinx公司的FPGA的紅外圖像增強算法實現的總體設計方案如圖1 所示。整個系統由探測器偏壓配置電路、四路模擬信號預處理電路、AD轉換芯片、FPGA配置FLASH、Xilinx公司的FPGA芯片、DDR3存儲器、FLASH系數存儲、D/A及視頻合成等組成。

FPGA芯片是整個系統的控制核心，完成的主要功能是：FPGA主要完成探測器讀出時序控制，像元排序、非均勻校正時序邏輯部分、系數乘加、圖像增強等功能，內部的軟核處理器根據外部CAN總線的通信指令進行流程控制工作包含校正流程控制和校正系數計算。

紅外熱像儀輸出的視頻信號經過集成視頻處理A/D之后，輸出14位數字信號和由FPGA進行像元排序，非均勻校正，系數乘加，圖像增強。FPGA是系統實現本文提出圖像增強算法的核心部分;DDR3陣列用于存放圖像及算法的實現;流程控制程序在FPGA內部的軟核microblaze中運行，再對紅外圖像進行采集，校正、增強的過程中，圖l中的DDR3一直處于預充電、讀寫狀態，即在FPGA采集到紅外圖像數據后，對像元進行排序，microblaze接收到CAN總線的校正指令后，控制FPGA的邏輯部分將圖像數據累加存放在DDR3中，完成幀累積，在FPGA內部進行校正系數計算，并通過邏輯部分控制將系數寫入DDR3，校正完成后再從DDR3中讀取系數用來將圖像數據乘增益加偏置，完成數據的更新，后將校正后的數據經流水線控制和內部的block ram將數據緩存并分區域計算局部均方差和局部均值，然后進行自適應增強處理，大約需20多級流水線處理，完成數據更新。其中控制邏輯以及DDR3的時序通過FPGA由VHDL語言編程實現。最后生成相關的視頻時序信號（經過鎖相的像素時鐘、行同步、場同步以及奇偶信號等），經D/A及視頻合成芯片合成模擬視頻信號輸出在監視器上顯示出來。

3???? 紅外圖像增強效果與分析

圖2 為直接對比度增強與自適應對比度增強算法的比較結果。由圖2可以看出，經過普通對比度增強后的圖像邊緣被加強的程度比自適應圖像對比度增強算法更大，但是原圖中的噪聲被明顯增強，由于紅外圖像的非均勻性被增強，造成圖像中出現了很多齒狀邊緣，過度增強的細小條紋，嚴重地影響圖像的和圖像中目標的可識別性。而當采用本文改進的適應算法進行一些參數的調整時，就能獲得比較理想的增強效果。