快速視頻去霧改進(jìn)算法的FPGA實現(xiàn)

摘 要：內(nèi)窺鏡去霧算法在醫(yī)療領(lǐng)域具有廣泛應(yīng)用，為臨床醫(yī)生提供清晰、實時的圖像。去霧技術(shù)雖然已經(jīng)取得較大的進(jìn)步，但去霧算法的復(fù)雜度較高，在內(nèi)窺鏡等復(fù)雜情況下硬件實現(xiàn)較為困難。為了在硬件上實現(xiàn)內(nèi)窺鏡實時去霧效果，對暗通道先驗算法進(jìn)行改進(jìn)，降低硬件資源消耗和時間復(fù)雜度。該改進(jìn)算法選擇適合硬件的大氣光照強度估計值、透射率補償值以及采用流水線結(jié)構(gòu)實現(xiàn)有霧圖像的處理。采用Xilinx的ZYNQ7020實現(xiàn)該算法硬件電路，實時處理分辨率為640×480的視頻圖像，速度可達(dá)到260 fps，消耗LUT僅為1.28 K，寄存器619個單元。實驗結(jié)果表明，相比于傳統(tǒng)算法，改進(jìn)算法具有處理速度快、功耗低、可移植性強的特點，滿足內(nèi)窺鏡需要實時處理視頻的要求。

關(guān)鍵詞：內(nèi)窺鏡； 視頻去霧； 暗通道先驗； FPGA； 實時處理

中圖分類號：TP391.4 文獻(xiàn)標(biāo)志碼：A

文章編號：1001-3695（2024）06-029-1803-05

doi：10.19734/j.issn.1001-3695.2023.09.0436

FPGA implementation of improved algorithm for fast video de-fogging

Abstract：The endoscopic defogging algorithm has a wide range of applications in the medical field， providing clear and real-time images for clinical doctors. Although significant progress has been made in defogging technology， the complexity of defogging algorithms is relatively high， making hardware implementation difficult in complex situations such as endoscopes. In order to achieve real-time defogging of endoscopes on hardware， this paper improved the dark channel prior algorithm to reduce hardware resource consumption and time complexity. The improved algorithm selected suitable atmospheric light intensity estimation values， transmittance compensation values for hardware， and used a pipeline structure to achieve the processing of foggy images. The hardware circuit of the algorithm was implemented using Xilinx’s ZYNQ7020， with a real-time processing resolution of 640×480 video images， with a speed of up to 260 fps， consume only 1.28 K LUT， and consume 619 registers. The experimental results show that compared to traditional algorithms， the improved algorithm has the characteristics of fast processing speed， low power consumption， and strong portability， meeting the requirements of real-time video processing for endoscopes.

Key words：endoscope; video defogging; dark channel prior; FPGA; real-time processing

0 引言

去霧算法是計算機視覺領(lǐng)域的一個重要研究方向，旨在通過對霧霾圖像進(jìn)行復(fù)原和增強，使圖像更清晰、真實，有效地應(yīng)對惡劣天氣和大氣干擾帶來的問題。傳統(tǒng)去霧算法一般應(yīng)用于視頻監(jiān)控與自動駕駛、無人機與航空影像處理以及自然景觀攝影技術(shù)。在醫(yī)療領(lǐng)域中，內(nèi)窺鏡作為一種依賴其設(shè)計結(jié)構(gòu)和成像原理的可插入人體器官內(nèi)的光學(xué)醫(yī)療設(shè)備，主要用于檢查和診斷人體腔內(nèi)病變和異常情況，以及介入腫瘤切除、息肉摘除和異物取出等手術(shù)過程［1］。手術(shù)過程中使用內(nèi)窺鏡有許多突出優(yōu)點，傳統(tǒng)手術(shù)會對人體造成較大的創(chuàng)口，在內(nèi)窺鏡系統(tǒng)的輔助下，手術(shù)可達(dá)微創(chuàng)效果，極大降低手術(shù)的風(fēng)險，術(shù)后恢復(fù)也更快；內(nèi)窺鏡能夠提高診斷的準(zhǔn)確性。因此，內(nèi)窺鏡的發(fā)展和優(yōu)化受到廣泛關(guān)注。

內(nèi)窺鏡的使用不僅取決于輸出圖像的清晰程度，而且對實時性的要求極其嚴(yán)格。進(jìn)行內(nèi)窺鏡手術(shù)時，因人體內(nèi)的溫度和內(nèi)窺鏡表面存在溫差，內(nèi)窺鏡表面會出現(xiàn)霧氣，導(dǎo)致視頻圖像可視效果差和色差嚴(yán)重等［2］，使圖像的質(zhì)量嚴(yán)重降低，從而影響醫(yī)務(wù)人員對檢查結(jié)果的判斷、延長檢查時間，甚至誘發(fā)醫(yī)療事故等。雖然去霧算法已有一定研究，但由于傳統(tǒng)去霧算法復(fù)雜度高，直接應(yīng)用硬件實現(xiàn)實時性低，不能滿足內(nèi)窺鏡在醫(yī)生手術(shù)過程實時性的要求。所以，內(nèi)窺鏡的快速實時視頻去霧算法的實現(xiàn)成為了當(dāng)前智慧醫(yī)療系統(tǒng)研究［3］中的一個熱門話題。

目前，傳統(tǒng)去霧算法主要有He等人［4］在2011年提出的暗通道先驗（dark channel prior，DCP）方法，該方法雖然原理簡單、使用范圍廣，但是其大氣光照強度、暗通道等參數(shù)選擇困難，直接進(jìn)行硬件實現(xiàn)資源消耗大，且不能滿足實時性的要求。Tan［5］在2008年提出的最大對比度（maximum contrast，MC）方法處理速度雖然能達(dá)到要求，但存在局部霧霾處理效果差和參數(shù)依耐性強的缺點，不能滿足內(nèi)窺鏡對圖像質(zhì)量的要求。Zhu等人［6］在2015年提出的顏色衰減先驗（color attenuation prior，CAP）方法雖然加強了局部去霧的效果，但處理速度慢、算法復(fù)雜度高，對硬件平臺要求高、實時性低。雖然文獻(xiàn)［4］中涉及大量的浮點運算以及導(dǎo)向濾波等復(fù)雜運算，花費大量的計算資源和時間，難以滿足實時處理的要求，但是對該算法的大氣光照強度、暗通道等參數(shù)選擇優(yōu)化后，能在硬件平臺上實現(xiàn)，資源消耗低、實時性高、復(fù)雜度低、處理效果好。

使用FPGA作為硬件加速平臺［7，8］，通過并行處理的方式大大提高了算法的執(zhí)行效率和速度。陳曦等人［9］采用FPGA+ARM的處理方法對視頻進(jìn)行實時去霧，該系統(tǒng)采用Retinex圖像增強的方法進(jìn)行去霧，能達(dá)到較好的去霧效果，但是在面對內(nèi)窺鏡這種需要高分辨的場景以及干擾強的情況，其去霧效果達(dá)不到要求。Kumar等人［10］利用FPGA+ASIC的方法，雖然能夠達(dá)到實時的處理效果，但需使用專用集成電路，對硬件系統(tǒng)的要求高、實現(xiàn)成本高。分析可知，圖像快速實時去霧［11］的FPGA實現(xiàn)的關(guān)鍵在于算法和硬件之間的設(shè)計和優(yōu)化，以及設(shè)計FPGA系統(tǒng)架構(gòu)時需要平衡資源利用和算法的準(zhǔn)確性及穩(wěn)定性。

本文基于暗通道先驗理論對該算法中的大氣光照強度估計值、暗通道圖、透射率值以及霧氣保留因子進(jìn)行優(yōu)化，更適合FPGA實現(xiàn)。實驗結(jié)果表明，改進(jìn)后的算法能在FPGA上實現(xiàn)，在時鐘為100 MHz的情況下，處理640×480的內(nèi)窺鏡視頻和大氣有霧視頻數(shù)據(jù)，速度可達(dá)幀速260 fps。

1 暗通道先驗去霧算法

在機器視覺和圖像處理中，文獻(xiàn)［4］提出的暗通道先驗算法是建立在簡化后的模糊圖像成像的數(shù)學(xué)模型上，即

I（x）=J（x）t（x）+A（1-t（x））（1）

其中：I（x）為有霧的圖像；J（x）為原始的無霧圖像；t（x）為光的透射率（透射率越小霧越濃）；A為大氣光照強度。該模型中I（x）已知，可以通過求得t（x）和A，最終得到去霧的原始圖像J（x），即

當(dāng)大氣光照強度均勻時，模型中的透射率t（x）可表示為

t（x）=e-βd（x）（3）

其中：β為大氣散射系數(shù)；d（x）為場景深度。

基于該物理模型，文獻(xiàn)［4］提出了暗通道先驗的算法，對于任意的圖像J，其暗通道可以表示為

其中：Jc是圖像的彩色通道；Ω（x）是以x為中心的局部窗口；暗通道Jdark是通過取兩個算子的最小值而得到的結(jié)果。根據(jù)式（4）不難看出，如果圖像是無霧的情況下，無霧圖像的暗通道強度很低，基本趨近于0，即

Jdark→0（5）

基于上述理論，假設(shè)大氣光照強度A是給定的，那么在以x為中心的局部窗口中，t（x）也是恒定的，即

即使在太陽光充足的天氣中，還是存在一些微小粒子，如果將霧氣徹底去除，圖像會顯得不夠自然，所以需要保留一部分霧氣，即引入了霧氣保留因子ω：

其中：ω的取值為0～1，可以根據(jù)實際情況對ω進(jìn)行調(diào)整。

根據(jù)已知的有霧圖像I（x），以及求出的大氣光照強度A和透射率t（x），可求得去霧后的圖像J（x）。

2 算法優(yōu)化

在暗通道去霧算法中，算法復(fù)雜度較高，硬件實現(xiàn)較為困難，本文對大氣光照強度A、暗通道的求取、透射率t（x）以及霧氣保留因子ω進(jìn)行了優(yōu)化處理。

2.1 大氣光照強度A

大氣光照強度應(yīng)該選取的是天空的光照強度。文獻(xiàn)［4］使用暗通道來檢測霧氣最不透明的區(qū)域，并選擇暗通道中最亮的前0.1%的像素作為大氣光照強度的估計。此方法需要在RGB三通道中分別求取大氣光照強度，在硬件實現(xiàn)過程中，最直接的方法是采用排序算法求出RGB三通道的前千分之一最亮點。目前，常用硬件實現(xiàn)的排序方法有并行硬件排序架構(gòu)（PHSA）和實時硬件排序器（RTHS）。其中Batcher的Bitonic排序電路是基于合并操作的PHSA［12］，Bitonic排序由獨立的并行數(shù)據(jù)和交換塊組成一個網(wǎng)絡(luò)，其是目前硬件中實現(xiàn)的最快的排序方法之一，但該方法消耗的查找表（LUT）依然達(dá)到19 K。Norollah等人［13］實現(xiàn)的實時硬件排序器是采用雙模流水線結(jié)構(gòu)減少關(guān)鍵路徑的技術(shù)，進(jìn)而提高硬件的處理速度。該方法雖然對傳統(tǒng)的硬件排序算法進(jìn)行了優(yōu)化，但LUT的資源消耗達(dá)到2.4 K，同時難以滿足手術(shù)過程的實時性要求，因此對該方法在硬件實現(xiàn)上進(jìn)行優(yōu)化。有霧的天空中RGB三個通道的值基本相同，所以可假設(shè)RGB三個通道中的大氣光照強度是相同的，即

Ar=Ag=Ab=A（8）

直接使用FPGA中的雙端口RAM IP核，將輸入像素點的像素值作為RAM的地址值，每個RAM地址分別記錄不同像素值的個數(shù)，完成一幀數(shù)據(jù)的讀取后便可以直接得到前0.1%的像素點，即

M0.1%=Mmax+Mmax-1+Mmax-2+…（9）

其中：M0.1%為總像素個數(shù)的前0.1%；Mmax為像素值為max的個數(shù)。

本文方法LUT僅消耗了一幀圖像和30的LUT，當(dāng)處理速度達(dá)到260幀時，經(jīng)實驗驗證，一幀數(shù)據(jù)的消耗不會影響整體數(shù)據(jù)的實時性。本文方法和各種排序方法的時間復(fù)雜度對比如表1所示。本文方法和各硬件排序系統(tǒng)的資源消耗對比如表2所示。由對比可知，本文方法大大降低了硬件資源的使用，更適合內(nèi)窺鏡需要實時處理的要求。

2.2 暗通道獲取

在原暗通道先驗去霧算法實現(xiàn)去霧時，物體的邊緣處往往會出現(xiàn)嚴(yán)重的光暈現(xiàn)象。采用15×15的最小值濾波獲取暗通道時，采用過大窗口處理物體邊緣，暗通道的值往往會取到較小的值，導(dǎo)致透射率圖呈現(xiàn)塊狀結(jié)構(gòu)，使最后恢復(fù)的無霧圖像出現(xiàn)嚴(yán)重的光暈現(xiàn)象。由于產(chǎn)生光暈的原因是物體邊緣暗通道值選取和實際暗通道值相差過大，將原暗通值和最小值取平均值來消除光暈現(xiàn)象，同時將最小值濾波的窗口轉(zhuǎn)換成3×3，能夠有效抑制光暈現(xiàn)象，即

其中：Imin為最小值圖；Idark1為原暗通道圖。優(yōu)化后的暗通道再經(jīng)過3×3的均值濾波進(jìn)行平滑處理：

Idark=mean（Idark2）（13）

2.3 透射率

透射率描述了光線在大氣中傳播時的衰減程度，即光線從目標(biāo)物體到達(dá)攝像機的能量損失情況。通過計算暗通道圖像中的最小值，得到一個近似的透射率值。然后，根據(jù)透射率調(diào)整原始圖像中的亮度，進(jìn)而恢復(fù)圖像的清晰度。對于濃霧區(qū)域，透射率接近零，還原去霧圖像會導(dǎo)致恢復(fù)場景輻射受噪聲影響。為了解決該問題，將透射率設(shè)置一個下限值t_min，本文設(shè)置為0.1。求解過程如下：

2.4 霧氣保留因子優(yōu)化

針對圖像中不同距離的場景，自適應(yīng)選擇不同的霧氣保留因子ω。較近的場景下，圖像的顏色會顯得更加鮮艷；而在較遠(yuǎn)的場景下，圖像比較模糊。通過調(diào)節(jié)霧氣保留因子，以達(dá)到空氣透視的效果，從而更好地滿足視覺特性。

3 視頻去霧IP模塊設(shè)計

該設(shè)計的快速視頻去霧算法采用的硬件加速平臺是FPGA。使用verilog HDL語言對優(yōu)化后的暗通道去霧算法進(jìn)行設(shè)計，并在FPGA平臺上實現(xiàn)。將采集到的有霧視頻圖像輸入FPGA實現(xiàn)去霧。該設(shè)計使用的平臺配置如表3所示。

設(shè)計的視頻去霧IP模塊分為計算圖像暗通道、計算大氣光照強度、計算圖像透射率以及還原無霧圖像四個步驟，去霧IP的整體框架如圖1所示。

a）對于暗通道先驗算法，求取暗通道是重要部分。因此，在視頻去霧IP的設(shè)計中第一步就是設(shè)計適合FPGA的暗通道求取方法。本設(shè)計將暗通道計算分成四個小部分實現(xiàn)，即求取彩色圖像RGB的最小值、3×3最小值濾波模塊、求原始暗通道和最小值圖均值模塊以及3×3均值濾波模塊。數(shù)據(jù)處理流程如圖2所示。

利用FPGA的并行計算能力求取彩色圖像RGB最小值。將RGB三個通道的數(shù)據(jù)同時輸入FPGA生成最小值Imin，然后將得到的最小值數(shù)據(jù)輸入最小值濾波模塊。硬件設(shè)計時，輸入的像素值是串行的，本設(shè)計利用FIFO［14～16］邏輯資源消耗小的優(yōu)點，調(diào)用兩個FIFO IP核實現(xiàn)3×3的窗口，F(xiàn)IFO的控制流如圖3所示。

用兩個FIFO分別寄存前兩行的像素值，當(dāng)?shù)谌袛?shù)據(jù)到達(dá)時，每經(jīng)過一個時鐘周期，分別讀取兩個FIFO中的第一個數(shù)據(jù)并且與新輸入的數(shù)據(jù)進(jìn)行比較，就可以輸出一列的最小值，然后使用一個寄存器進(jìn)行寄存，在完成3×3的窗口大小后輸出窗口內(nèi)的最小值，并且其中的兩個最小值可以利用于下一個3×3的窗口，在下一個窗口內(nèi)只求取一次最小值即可，增大了資源利用率。FIFO實現(xiàn)3×3最小值濾波的數(shù)據(jù)傳輸過程，如圖4所示。

最小值濾波后輸出原始暗通道圖像，再與最小值圖按照式（12）進(jìn)行運算，式中存在除法運算，本文采用移位操作實現(xiàn)除法運算，減小FPGA邏輯資源消耗，即

其中：>>為右移操作，如圖5所示，在FPGA中右移一位等價于除以2。

輸入到均值濾波的數(shù)據(jù)即為Idark，均值濾波也采用上述FIFO結(jié)構(gòu)實現(xiàn)。本文對均值運算優(yōu)化處理。步驟如下：

均值濾波需要先求取3×3窗口值的和sum，然后除以窗口的像素點個數(shù)，即

其中：datam為輸出的平均值。根據(jù)FPGA的運算特點可以將式中的除法轉(zhuǎn)換成乘法和移位操作，轉(zhuǎn)換后的公式如下：

輸出數(shù)據(jù)datam的高8位即為所求暗通道值。

b）實現(xiàn)大氣光照強度的計算。利用FPGA的并行處理能力，將RGB彩色圖像的三通道同時并行輸入，每個通道按照流水線的形式輸入，將輸入的像素值作為RAM的地址值，每次輸入將該像素值對應(yīng)的地址中存儲的數(shù)據(jù)加一，完成一幀圖像的傳輸后就可得到當(dāng)前幀大氣光照強度估計值，極大地減小了資源消耗量。通過RAM實現(xiàn)的大氣光照計算示意圖如圖6所示。在利用FPGA實現(xiàn)時，因為視頻流傳輸中，前一幀圖像和后一幀圖像像素差別不大，可以將前一幀的大氣光照強度值作為當(dāng)前幀的大氣光照強度，以實現(xiàn)近似流水線的處理過程。每一幀的傳輸之間時間相差很小，能夠滿足內(nèi)窺鏡的實時傳輸要求。

c）計算圖像透射率。因為式（14）中的分母A為不定值，所以不能采用移位的方法對該式進(jìn)行優(yōu)化，本文采用的是等式兩邊同時乘以A，即

A×T=ω×Idark（19）

然后結(jié)合式（15）求得透射率的修正值。實現(xiàn)過程如圖7所示。其中，暗通道圖像作為輸入數(shù)據(jù)，輸出的數(shù)據(jù)為透射率圖像。

d）無霧圖像的還原。根據(jù)前面求得的大氣光照強度估計值和透射率，并行輸入彩色圖像的三通道，結(jié)合式（2）還原出無霧的圖像。這一步采用的是流水線處理，將前一幀的大氣光照強度估計值和透射率作為當(dāng)前幀的值進(jìn)行處理。最后還原的無霧圖像存在圖像整體偏暗的情況，需要進(jìn)行圖像增強［17，18］操作，此處采用gamma校準(zhǔn)［19］增強圖像對比度。計算公式如下：

Iout=BIγin（20）

其中：Iin和Iout分別為輸入和輸出圖像數(shù)據(jù)；γ為變換系數(shù)，當(dāng)γ<1時，亮部細(xì)節(jié)被提升，暗部細(xì)節(jié)被壓縮。

4 實驗結(jié)果

設(shè)計的FPGA快速視頻去霧系統(tǒng)能夠在霧霾天氣下對視頻圖像實時去霧，使采集到的視頻能更好地應(yīng)用于內(nèi)窺鏡和大氣光去霧。在完成系統(tǒng)算法優(yōu)化和硬件實現(xiàn)后，為驗證設(shè)計系統(tǒng)的穩(wěn)定性和無霧效果，通過輸入不同情況的有霧視頻圖像，分別對視頻圖像進(jìn)行去霧處理，并記錄內(nèi)窺鏡視頻和大氣光照視頻每一幀的處理速度。針對不同情況的圖像，大氣光照下去霧前后的對比結(jié)果如圖8所示。其中圖（a）為有霧圖像;圖（b）為文獻(xiàn)［4］的去霧效果圖；圖（c）為改進(jìn)算法后的去霧效果；圖（d）為本文算法結(jié)果。

圖9、10分別是內(nèi)窺鏡在濃霧和薄霧情況下處理前后的對比圖，左圖（去霧前）、右圖（去霧后）。

不同分辨率的視頻圖像去霧處理時間如表4所示。比較可得，本文方法處理速度更快。優(yōu)化算法在硬件上實現(xiàn)的資源消耗如表5所示。可以看出，本文方法相對于其他硬件實現(xiàn)方法的硬件邏輯資源消耗更少，實現(xiàn)成本更低。

該設(shè)計其他硬件資源消耗情況如表6所示。系統(tǒng)測試結(jié)果表明，設(shè)計的FPGA的快速視頻去霧系統(tǒng)，在大氣霧和內(nèi)窺鏡中都可以有效地處理有霧視頻圖像，并在不同分辨率下達(dá)到實時去霧效果，因此該系統(tǒng)具有實時性和快速性的特點。

5 結(jié)束語

針對有霧視頻圖像，完成快速視頻去霧算法的FPGA實現(xiàn)，設(shè)計系統(tǒng)通過優(yōu)化暗通道先驗算法，將改進(jìn)算法在硬件上實現(xiàn)，并通過伽瑪校準(zhǔn)對去霧后的圖像進(jìn)行對比度增強，獲得了較好的視頻去霧效果。實驗結(jié)果表明，該系統(tǒng)能夠在硬件時鐘頻率為100 MHz的情況下，對輸入分辨率為640×480的有霧視頻圖像和內(nèi)窺鏡圖像進(jìn)行速度為260 fps的快速去霧，達(dá)到了快速和實時的要求。去霧后的圖像也無失真。未來，將針對并行處理速率、透射率圖計算和霧氣保留因子進(jìn)行研究和優(yōu)化，實現(xiàn)內(nèi)窺鏡去霧處理速度和效果的進(jìn)一步提高。

參考文獻(xiàn)：

［1］鮑玉冬， 齊東博， 魏雯， 等. 醫(yī)用內(nèi)窺鏡裝置的研究進(jìn)展［J］. 哈爾濱理工大學(xué)學(xué)報， 2021，26（5）： 25-33. （Bao Yudong， Qi Dongbo， Wei Wen， et al. Research progress of medical endoscopic devices［J］. Journal of Harbin University of Science and Technology， 2021，26（5）： 25-33.）

［2］吳靖， 宋文杰， 郭翠霞， 等. 基于偏振度優(yōu)化與大氣光校正的圖像去霧［J］. 光學(xué)精密工程， 2023， 31（12）： 1827-1840. （Wu Jing， Song Wenjie， Guo Cuixia， et al. Image defogging based on polarizability optimization and atmospheric light correction［J］. Optics and Precision Engineering， 2023，31（12）： 1827-1840.）

［3］Sravanthi M， Siva K M， Chinnaaiah M C. An unveiling navigation in fog ambiance by FPGA based autonomous vehicle with minimal sen-sing［C］//Proc of the 2nd International Conference on Intelligent Computing， Instrumentation and Control Technologies. Piscataway， NJ： IEEE Press， 2019： 809-815.

［4］He Kaiming， Sun Jian， Tang Xiaoou. Single image haze removal using dark channel prior［J］. IEEE Trans on Pattern Analysis and Machine Intelligence， 2011，33（12）： 2341-2353.

［5］Tan R T. Visibility in bad weather from a single image［C］//Proc of IEEE Conference on Computer Vision and Pattern Recognition. Piscataway， NJ： IEEE Press， 2008： 1-8.

［6］Zhu Qingsong， Mai Jiaming， Shao Ling. A fast single image haze removal algorithm using color attenuation prior［J］. IEEE Trans on Image Processing， 2015，24（11）： 3522-3533.

［7］Zhang Chao， Bi Shujie， Jiang Tao， et al. Implementation of ZYNQ for image defogging［C］//Proc of the 9th Joint International Information Technology and Artificial Intelligence Conference. Piscataway， NJ： IEEE Press， 2020： 1971-1977.

［8］Chen Peiyan， Guo Yaozong， Lin Shixiang， et al. Live demonstration： hardware design of video defogging method for real-time applications［C］//Proc of IEEE International Symposium on Circuits and Systems. Piscataway， NJ： IEEE Press， 2018： 1.

［9］陳曦， 錢國明， 史艷高. 基于FPGA+ARM的實時圖像去霧系統(tǒng)設(shè)計［J］. 電子設(shè)計工程， 2023， 31（13）： 192-195. （Chen Xi， Qian Guoming， Shi Yangao. Design of real-time image defogging system based on FPGA+ARM［J］. Electronic Design Engineering， 2023，31（13）： 192-195.）

［10］Kumar R， Balasubramanian R， Kaushik K B. Efficient method and architecture for real-time video defogging［J］. IEEE Trans on Intel-ligent Transportation Systems， 2021，22（10）： 6536-6546.

［11］周曉波， 何魁華， 周聰. 基于FPGA的圖像高速去霧實時系統(tǒng)設(shè)計實現(xiàn)［J］. 電視技術(shù)， 2018， 42（4）： 67-72. （Zhou Xiaobo， He Kuihua， Zhou Cong. Design and realization of FPGA-based image high-speed defogging real-time system［J］. Video Engineering， 2018，42（4）： 67-72.）

［12］Layer C， Schaupp D， Pfleiderer H J. Area and throughput aware comparator networks optimization for parallel data processing on FPGA［C］//Proc of IEEE International Symposium on Circuits and Systems. Piscataway， NJ： IEEE Press， 2007： 405-408.

［13］Norollah A， Derafshi D， Beitollahi H， et al. RTHS： a low-cost high-performance real-time hardware sorter， using a multidimensional sorting algorithm［J］. IEEE Trans on Very Large Scale Integration： VLSI Systems， 2019，27（7）： 1601-1613.

［14］水穎. 基于FPGA的幀級異步FIFO設(shè)計［J］. 聲學(xué)與電子工程， 2020（2）： 32-34. （Shui Ying. FPGA-based frame-level asynchronous FIFO design［J］. Acoustics and Electronics Enginee-ring， 2020（2）： 32-34.）

［15］徐洋洋. 基于FPGA的多通道大容量FIFO設(shè)計［J］. 電子測量技術(shù)， 2017，40（8）： 193-197. （Xu Yangyang. FPGA-based multi-channel high-capacity FIFO design［J］. Electronic Measurement Technology， 2017，40（8）： 193-197.）

［16］黃凡. 一種基于FPGA的異步FIFO設(shè)計方法［J］. 微處理機， 2017， 38（1）： 23-26，32. （Huang Fan. An FPGA-based asynchronous FIFO design method［J］. Microprocessors， 2017，38（1）： 23-26，32.）

［17］賀柏根， 劉劍， 馬天瑋. 基于DSP+FPGA的實時圖像去霧增強系統(tǒng)設(shè)計［J］. 液晶與顯示， 2013，28（6）： 968-972. （He Baigen， Liu Jian， Ma Tianwei. Design of real-time image defogging enhancement system based on DSP+FPGA［J］. Chinese Journal of Liquid Crystals and Displays， 2013，28（6）： 968-972.）

［18］Gao Xue， Tian Yimin， Song Fangfang， et al. Research on the defogging algorithm based on image enhancement［C］//Proc of the 3rd International Conference on Machine Learning， Big Data and Business Intelligence. Piscataway， NJ： IEEE Press， 2021： 478-481.

［19］侯利霞， 聶豐英， 萬里勇. 多尺度自適應(yīng)Gamma矯正的低照圖像增強［J］. 云南大學(xué)學(xué)報： 自然科學(xué)版， 2023，45（1）： 57-66. （Hou Lixia， Nie Fengying， Wan Liyong. Multi-scale adaptive gamma correction for low-light image enhancement［J］. Journal of Yunnan University： Natural Science Edition， 2023，45（1）： 57-66.）

［20］Upadhyay B B， Sarawadekar K. VLSI design of saturation-based image dehazing algorithm［J］. IEEE Trans on Very Large Scale Integration： VLSI Systems， 2023，31（7）： 959-968.

［21］Tan Yanjie， Zhu Yifu， Huang Zhaoyang， et al. MAPD： an FPGA-based real-time video haze removal accelerator using mixed atmosphere prior［J］. IEEE Trans on Computer-Aided Design of Integrated Circuits and Systems， 2023，42（12）： 4777-4790.