基于FPGA的圖像銳化處理系統(tǒng)設計

鄭慶偉 蔣 超 汪名揚 鐘子全 吳俊卿

北京控制與電子技術研究所信息系統(tǒng)工程重點實驗室，北京100038

1 概述

在星載紅外探測的遠距離紅外成像的應用場合，目標往往比較微弱，清晰度、分辨率和對比度均低，伴隨有較強的隨機干擾和系統(tǒng)噪聲，背景比較復雜。通常需要使用圖像銳化等圖像增強技術抑制圖像的背景噪聲、增強圖像紋理和邊界細節(jié)，提升圖像的某些重要信息特征。圖像銳化等圖像增強技術能夠將被處理的圖像轉化為對具體應用來說質量和效果更適合的圖像。圖像銳化處理技術在軍事系統(tǒng)制導、工業(yè)檢測、醫(yī)學成像和日常生活等各個方面都有非常廣泛的應用。

一個典型的紅外圖像處理系統(tǒng)如圖1所示，其中輸入、輸出圖像如圖2所示。圖像銳化是一種針對圖像某些特征的定向增強操作，操作的結果不會增加圖像原始信息，有時甚至會損失一部分信息。圖像銳化的結果能夠加強目標特征且削弱其它特征，從而使得針對目標特征的監(jiān)測和識別變得容易。

圖1 典型的紅外圖像處理系統(tǒng)

圖2 圖像銳化的輸入和輸出:左圖為原始圖像，右圖為銳化結果

在某些應用場合，實時性是系統(tǒng)必須確保的重要指標，對于圖像銳化操作而言:在算法設計上必須簡單、效果明顯;在硬件設計上必須實時、低延遲、高精度和可配置。

2 圖像銳化算法

2.1 經典圖像銳化算法

在圖像銳化領域，按照操作對象的不同，圖像銳化算法可以分為2大類:1)基于像素操作的空間域算法;2)和基于頻譜操作的頻域算法?？臻g域算法例如灰度修正和變換、直方圖均衡和規(guī)格化、梯度銳化、拉普拉斯算子、模板濾波?？臻g域算法的操作比較直觀，對于紅外圖像系統(tǒng)而言，可以直接針對成像結果逐像素操作。頻域算法如低通濾波、高通濾波、同態(tài)濾波，需首先進行空間域到頻域的變換，然后構建濾波器進行頻域濾波，最后再進行頻域到空間域的反變換。頻域運算比較適合于某些圖像尺寸較大(例如4096×4096)、操作較復雜的圖像增強操作。在圖像尺寸不成為性能瓶頸的情況下，相對于頻域運算，空間域往往可以使用較小的濾波器來取得與頻率域使用較大的濾波器近似的濾波效果，且所需的硬件資源少、延遲小、實時性高，因此空間域處理技術在具體實現(xiàn)和硬件設計上具有優(yōu)勢。

經典的圖像銳化處理技術主要在空間域展開，操作對象是圖像的像素，操作方式包括直方圖均衡、側抑制濾波、線性濾波和非線性濾波等。

2.1.1 直方圖均衡算法

直方圖均衡算法使圖像充分利用各個灰度等級，擴展動態(tài)范圍，在視覺效果上增強圖像的亮度反差。直方圖均衡算法對于近距離、信息簡單的紅外圖像非常有效，圖像的對比度大大增強，目標細節(jié)得到了突出。

直方圖均衡后的圖像視覺效果往往生硬、不夠柔和。均衡后的圖像噪聲比均衡前更加明顯。由于紅外成像系統(tǒng)背景噪聲的不可預知性，采用直方圖均衡算法的增強效果難以控制，在原圖像中噪聲較多的極端情況下，會導致圖像低頻部分的細節(jié)丟失和高頻部分的噪聲增強。

2.1.2 側抑制濾波算法

側抑制濾波算法是基于生物視覺特性的圖像增強方法，構建適合的側抑制網絡來突出圖像的邊框以增強反差。側抑制濾波的關鍵在于根據具體應用搭建側抑制網絡，常用的側抑制網絡例如減法、循環(huán)、線性的Hartline模型和Taylor模型，分流、循環(huán)、非線性的Furman模型。

側抑制濾波具有突出邊框、增強反差、補償缺陷的作用，在圖像處理中得到了廣泛的發(fā)展。側抑制濾波特別適用于目標信息和特征比較顯著的圖像。對于遠距離成像的紅外系統(tǒng)而言，由于微弱目標往往沉浸在復雜背景下，側抑制運算會導致目標對比度的進一步惡化。側抑制濾波算法的實現(xiàn)復雜，不利于實時系統(tǒng)的設計，實際應用往往需要對算法進行適應性簡化。

2.2 基于統(tǒng)計特性的圖像門限增強算法

本文所述的圖像銳化算法是在空間域進行的，算法流程圖如圖3所示。

圖3 本文所述的算法流程圖

其中:1)直方圖統(tǒng)計:統(tǒng)計圖像的灰度概率分布，得到后續(xù)運算的依據;2)門限高通濾波:根據目標特征進行定向增強和抑制;3)門限直方圖均衡:增強圖像動態(tài)范圍，強化圖像的視覺效果。

2.2.1 直方圖統(tǒng)計

直方圖是像素灰度的分布函數，實質上體現(xiàn)了圖像灰度的概率分布。直方圖統(tǒng)計對圖像各個灰度的像素進行計數，得到一張灰度分布表，如圖4所示。C程序描述的直方圖統(tǒng)計運算過程如圖5所示。根據直方圖統(tǒng)計信息，可以進行諸如灰度拉伸、自動對比度調整、動態(tài)均衡等操作。

圖4 可見光圖像(Lena左)及其直方圖(右)

圖5 C語言描述的直方圖統(tǒng)計運算過程

從圖6所示紅外圖像的直方圖可見，紅外圖像的直方圖具有不同于可見光圖像直方圖的特點:1)灰度值動態(tài)范圍窄，如直方圖示右側某些灰度等級象素數為0;2)分布集中;3)雙峰明顯。經大量實踐分析研究證明，雙峰的主峰，即象素數目較多的部分(如圖6直方圖的右側峰)，一般為圖像的主體信息;雙峰的次峰(如圖6直方圖的左側峰)，一般為圖像的噪聲或者隨機干擾信息。

基于以上特點，在進行紅外圖像銳化處理時，需對圖像不同信息部分分別處理:對目標特征進行增強;對背景噪聲進行削弱。針對以上需求，設計了門限高通濾波和門限直方圖均衡。

圖6 紅外圖像(左)及其直方圖(右)

2.2.2 門限高通濾波

如圖7所示，為一個典型的高通濾波模板。如圖8所示，給出一幅圖像的一部分，其中si代表像素的灰度值。一個3×3的模板如圖8所示，模板內的標注為模板系數。如將k0所在位置和s0的位置相重合，即把模板的中心放在圖中(x，y)的位置，則模板的輸出響應R為:

圖7 一個典型的高通濾波模板

圖8 空間域的高通濾波運算

圖9 原始圖像(左)及其高通濾波結果(右)

在實際圖像系統(tǒng)中發(fā)現(xiàn)，存在某個特征數值的門限灰度，使得進行如下操作時，具有質量較好的圖像銳化處理效果:1)當原圖像素灰度不大于門限灰度時不進行高通濾波;2)當原圖像素灰度大于門限灰度時進行高通濾波。

該特征數值與圖像灰度分布相關，通過對直方圖統(tǒng)計結果進行分析可以得到針對性和適用性強的特征灰度。為降低實時運算的復雜度，可以通過預先估計和裝訂的方式，顯著地降低運算量。如圖10所示，對原始圖像執(zhí)行門限高通濾波操作，可以看出其結果圖像的紋理得到了強化，對比度有所增強。

2.2.3 門限直方圖均衡

典型的直方圖均衡算法如式(2)所示。其中Y為均衡后的量化數值。如圖11所示，在經過直方圖均衡之后圖像的動態(tài)范圍反差明顯。

圖10 原始圖像(左)和門限高通濾波后(右)

圖11 原始圖像(左)和直方圖均衡后的圖像(右)

直方圖均衡算法對于背景和前景都太亮或者太暗的圖像非常有效，但是均衡對處理的數據不加選擇，在某些極端的情況下，可能會增加背景噪聲的對比度并且降低有用信號的對比度。例如，如果關注大背景下的點目標，在整個圖像里面目標只占據較少的像素，那么將會壓縮目標的灰度空間。

在算法上考慮目標灰度數目的門限參數，則以上步驟2)根據直方圖統(tǒng)計計算像素灰度的分布概率修改如下，如公式:

(1)如果某像素灰度的數目nk小于或者等于門限參數p，則使用nk計算概率;

(2)如果某像素灰度的數目nk大于門限參數p，則使用門限參數p計算分布概率。

參數p在本質上反應了原始圖像直方圖統(tǒng)計的局部極值特征，在工程上可以通過結果分析和反饋來搜尋合適的門限參數。

圖12所示，可見在經過門限直方圖均衡之后圖像的主體目標特征得到了增強，動態(tài)范圍反差明顯，噪聲得到了控制。

圖12 原始圖像(左)和門限直方圖均衡后(右)

3 FPGA設計

圖像銳化處理系統(tǒng)采用FPGA+DSP(Xilinx FPGA Virtex-5 SX55+TI DSP 6416)的方式進行實現(xiàn)，其中直方圖統(tǒng)計、門限高通濾波和門限直方圖均衡由FPGA執(zhí)行，門限參數的計算和裝訂由DSP執(zhí)行。FPGA的運算模塊圖如圖13所示。

圖13 FPGA的運算模塊結構

3.1 直方圖統(tǒng)計

使用FPGA的內部RAM搭建直方圖信息緩存器，配置為雙端口模式，通過數據前傳邏輯來避免讀寫沖突，如圖14所示。

圖14 FPGA直方圖統(tǒng)計運算模塊

3.2 門限高通濾波

門限高通濾波的運算模塊如圖15所示，所選擇的模板大小為11×11，主要采用FPGA內部的雙口RAM和移位寄存器資源來實現(xiàn)。在行、列累加操作階段，采用16個雙口RAM保證了數據運算通路不會出現(xiàn)反饋迭代。為保證實時信號處理能力，采用了多級流水線的實現(xiàn)方式。

圖15 FPGA高通濾波運算模塊圖

3.3 門限直方圖均衡

門限直方圖均衡模塊如圖16所示。為優(yōu)化性能和可靠性，縮短研制周期，采用System Generator進行運算模塊的設計。

圖16 FPGA門限直方圖均衡運算模塊

4 設計結果

使用ISE 14.7進行編譯，V5-SX55T資源占用如表1所示，性能如表2所示。

表1 FPGA編譯結果

表2 FPGA性能

大量實際測試表明，該圖象銳化處理系統(tǒng)運行良好、質量可靠，F(xiàn)PGA實現(xiàn)方式相對于純DSP實現(xiàn)，大大提升了運算速度，滿足了工程實時性的運算要求，在算法實現(xiàn)中發(fā)揮著重要作用。

［1］ 董鴻燕，李吉成，沈振康，等.基于高通濾波和順序濾波的小目標檢測［J］.系統(tǒng)工程與電子技術，2004，26(5):596-598.

［2］ 趙坤，孔祥維.小目標紅外圖像背景噪聲的抑制及方法討論［J］.光學與光電子技術，2004，2(2):9-12.

［3］ 俞建成，孫勝利，陳桂林，等.紅外圖像中小目標檢測研究［J］. 紅外，2006，27(4):15-19.

［4］ 張飛，李承芳.紅外背景抑制與弱小目標的檢測算法［J］.光學技術，2004，30(3):337-339，342.

［5］ 曹聚亮，呂海寶，譚曉波.可保留圖像細節(jié)的直方圖修正法［J］.中國圖像圖形學報，2004:89.

［6］ 高彥平.圖像增強方法的研究與實現(xiàn)［D］.濟南:山東科技大學，2005.

［7］ 陳會羽.圖像對比度增強的小波變換法［J］.計算機工程與應用，2006(25):66-68.

［8］ 吳穎謙，施鵬飛.基于小波變換的低對比度圖像增強［J］.紅外與激光工程，2003，32(1):47.

［9］ 容觀澳.計算機圖像處理［M］.北京:清華大學出版社，2000.

［10］ 阮秋琦.數字圖像處理學［M］.北京:電子工業(yè)出版社，2001.