0 引言

    霧霾天氣下采集的交通監控視頻圖像存在畫質模糊、亮度偏暗等問題，這會給交通車輛監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行去霧，降低天氣條件對交通監控系統的影響，提高交通監控視頻質量已成為亟需解決的問題。

    目前為止，圍繞如何有效去霧，國內外出現了很多種去霧方法，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[3]利用圖像增強方法實現有效圖像去霧；文獻[4]通過改善圖像對比度達到視覺去霧效果；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去霧。基于物理模型的圖像復原方法復原后圖像自然，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]，該方法根據暗通道統計規律復原清晰圖像，去霧效果明顯，但計算量較大，尤其是細化透射率采用的軟摳圖（或導向濾波^[6]）過于復雜和耗時,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，FPGA作為一種高效便攜的實時視頻處理平臺被廣泛應用。本文在研究文獻[7]算法的基礎上，針對FPGA運算能力強、處理速度快等特性，對文獻[7]算法做出簡化和改進，提出了一種霧天交通視頻圖像快速去霧系統。實驗證明，該系統可有效解決霧天交通監控視頻圖像降質問題。

1 快速去霧算法

1.1 算法流程

    為了降低去霧算法的復雜度，提高系統的實時性，本系統在亮度Y分量的基礎上進行有效去霧處理，具體去霧算法流程如圖1所示。首先將采集到的視頻數據通過解碼、轉換成YCbCr數據并緩存到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數據估計出當前大氣光強度A；依據大氣散射模型，利用傳播圖、大氣光強度A和霧圖亮度分量復原無霧圖像亮度分量；最后在復原后的圖像RGB基礎上進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偏暗問題。

1.2 大氣光強度估計

    本系統充分考慮FPGA實現的可能性，以及交通監控視頻處理實時性要求，對大氣光強度A的獲取作以下調整：首先獲取一幀圖像的最大亮度值Y_max，然后將Y_max和其對應的Cb、 Cr數據轉換成RGB數據，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霧氣濃度，以便與霧圖復原出無霧圖像。本系統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。考慮到復原無霧圖像時，目標場景細節容易被淹沒，為了增強目標場景的邊緣細節信息，同時濾出反相化處理疊加的噪聲，需要對反色圖進行中值濾波處理，以便增強復原圖像邊緣細節。

    中值濾波是將濾波模板內的灰度值進行有效排序，選取中間值作為該滑動模板的輸出值。設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 圖像復原

    根據大氣散射模型表達式，利用傳播圖即可復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，則所需復原公式為：

1.5 圖像亮度校正

    去霧復原后的圖像畫質偏暗，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，該方法在復原后圖像RGB基礎上，依據灰度值大小對圖像亮度進行校正，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，調整后圖像畫質越亮。本文通過實驗發現，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

    本系統總體框架如圖2所示。

    系統分為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、圖像復原模塊和亮度校正模塊。圖像數據處理采用流水線工作模式，所有圖像數據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據，使它們之間更加協調工作。   

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和其對應的Cb、Cr數據轉換成RGB數據，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據，這嚴重影響了系統的實時性，為了降低獲取大氣光強度A對系統實時性的影響，在比較器工作的同時設置一個計數器，當計數器計數達到640×480（視頻源采用PAL制式640×480彩色圖像）時，即表示一幀圖像數據處理完畢。通過實驗分析，本系統每處理完20幀圖像數據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。系統選用3×3滑動模板進行中值濾波，調用IP核altshift_taps移位寄存器實現滑動模板功能，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前滑動模板中值濾波輸出值，如圖5所示。

2.3 圖像復原模塊

    除法運算調用Quartus II中的LPM_DIVIDE除法器實現。

2.4 亮度校正模塊

    去霧復原后的無霧圖像會出現畫質偏暗現象，因場景不同而產生不同程度的偏暗，不但降低了去霧效果，而且嚴重影響交通監控視頻有效信息的提取。因此本系統在復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不支持浮點數計算，所以將式(3)轉換成式(6)計算灰度值：

3 實驗分析

    本系統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。系統在優化去霧算法的基礎上進一步提高了實時性，去霧處理速度為60幀/s，完全滿足視頻實時處理要求。

    表1為系統實驗占用FPGA資源情況，本系統設計并沒有占用太多FPGA資源，硬件成本很低。

4 結論

    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，該系統去霧效果良好，可有效降低霧天對交通監控系統的影響。FPGA具有運算能力強、邏輯資源豐富等特性，因此，本系統可根據實際需要與其他系統相連接，如作為交通車牌識別前端處理，為后續車牌檢測、識別提供高質量、清晰視頻源。本系統設計簡單，成本較低，具有很好的實用價值。

參考文獻

[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，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，FL，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].中國圖象圖形學報，2011，16(4)：516-521.

[8] 克里茲(美).高級FPGA設計結構、實現和優化[M].孟展元，譯.北京：機械工業出版社，2009.

[9] 帕爾尼卡(美).Verilog HDL數字設計與綜合[M].夏宇聞，譯.北京：電子工業出版社，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 電子信息工程學院，吉林 長春130022；2.東北師范大學 計算機科學與信息技術學院，吉林 長春130117)