紅外圖像自適應(yīng)分段線性增強算法的FPGA實現(xiàn)

喬陸　陳靜

摘要：針對傳統(tǒng)圖像增強技術(shù)處理紅外圖像的不足，文章提出了一種自適應(yīng)分段線性增強算法，并使用FPGA對此算法進行了實現(xiàn)。該算法的核心思想是把原始圖像自適應(yīng)的分成背景區(qū)間、過渡區(qū)間和目標(biāo)區(qū)間三個區(qū)間，并對這三個區(qū)域分別進行線性變換，視覺效果達到了最佳狀態(tài)。測試結(jié)果表明，此算法硬件邏輯資源少，并且能進行實時處理，具有廣泛的應(yīng)用空間。

關(guān)鍵詞：紅外圖像；線性變換；FPGA；圖像增強

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1009-3044（2015）02-0228-03

Abstract： Traditional image enhancement lack of technical processing infrared image， the paper proposes an adaptive piecewise linear enhancement algorithms， this algorithm and use the FPGA to achieve. The core idea of the algorithm is divided into the original image adaptive background interval， the transition interval and the target range of three intervals， and these three regions were linear transformation， the visual effects to achieve the best state. The test results show that this algorithm hardware logic resources and real-time processing， and has a wide range of applications.

Key words：infrared image； linear transformation； FPGA； image enhancement

紅外圖像具有噪聲大、對比度低、邊緣模糊等缺點，所以圖像增強技術(shù)在紅外觀測系統(tǒng)中得到了廣泛的應(yīng)用。傳統(tǒng)的圖像增強方法主要有空間域增強和頻率域增強。頻率域增強方法因為需要復(fù)雜的計算，而無法進行實時性處理?？臻g域增強方法被廣泛的應(yīng)用在小型化、實時性的紅外觀測系統(tǒng)中。傳統(tǒng)的空間域增強方法主要直方圖投影法（HP）和灰度變換法等等。直方圖投影法能很好的去除沒有占據(jù)的灰度級，但是其缺點合適很明顯的，那就是圖像目標(biāo)、背景和噪聲的對比度不但得不到降低，而且還會上升，達不到抑制噪聲和背景，增強目標(biāo)的目的。相對來說分段灰度變換法的應(yīng)用更為廣泛，是因為其算方法非常的簡單，而且變換函數(shù)可以任意合成[1]。但是其最大的缺點是需要較多的用戶輸入。

文章充分利用分段灰度變換方法的優(yōu)點，在此基礎(chǔ)上進行了算方法改進，提出了自適應(yīng)分段線性增強算法，算法的核心思想是首先計算出2個分段點，首先根據(jù)分段點把原始圖像分為三個區(qū)域那就是背景區(qū)間、過渡區(qū)間和目標(biāo)區(qū)間，然后分別對灰度區(qū)間進行灰度變換，同時對目標(biāo)段和背景段進行拉伸系數(shù)處理，還對抑制系數(shù)進行處理。

1 灰度分段線性變換原理

把圖像原灰度級通過分段映射的方法實現(xiàn)圖像的增強就是所謂的灰度分段線性變換。拉伸特征物體的灰度細節(jié)的同時保持圖像其它部分的灰度級別壓縮是目前主要的應(yīng)用[2]。如圖1所示，原始圖像灰度用x表示，過分段線性變換后的圖像灰度用y表示。

2 紅外圖像自適應(yīng)分段線性變換

2.1 紅外圖像灰度分割

在典型直方圖（紅外場景具有一般性）中，介于背景和目標(biāo)的過度區(qū)域、灰度級較低的背景和灰度級較高的目標(biāo)組成了一幅紅外圖像。為了提高目標(biāo)的對比度（忽略部分不需關(guān)注的背景細節(jié)，清楚地顯示目標(biāo)內(nèi)部的細節(jié)變化），增強紅外圖像應(yīng)使目標(biāo)所占的灰度級得到增強，即不拉伸或壓縮背景所占的灰度范圍和過度區(qū)域灰度范圍，拉伸目標(biāo)所占的灰度范圍[3]。

設(shè)圖像顯示設(shè)備的動態(tài)范圍為[0，a]，[xmi， xma]為原始紅外圖像的灰度范圍，且是[0， a]的子范圍，[xmi， x1]、[x1， x2]和[x2， xma]分別對應(yīng)背景灰度級范圍、介于目標(biāo)和背景的過渡區(qū)灰度級范圍和目標(biāo)灰度級范圍，是[xmi， xma]內(nèi)3個相互獨立的子范圍，其中，x1和x2是分割背景和目標(biāo)的灰度閾值。

傳統(tǒng)的分段線性變換合適分界點的選取需多次試驗才能得到，實現(xiàn)圖像的最佳增強效果采用的是手動調(diào)整分界點法，且不同的圖像分界點的位置不同。紅外圖像的增強處理不能實現(xiàn)實時性[4]。本文采用確定灰度分界點的方法，可以很好地解決上述問題。

2.2 紅外圖像灰度范圍確定

獲得紅外圖像的灰度分布范圍采用直方圖統(tǒng)計法的方法[5]，缺點是用FPGA 實現(xiàn)代價比較大，優(yōu)點是將盲元和噪聲影響降到最低。獲得了紅外圖像的灰度分布范圍采用統(tǒng)計前幾幀圖像的多級均值的方法[6]，優(yōu)點是易于硬件實現(xiàn)。本文使用的方法是通過多級均值找到紅外圖像的最小值xmi和最大值xma，原理如下圖所示。

2.3 選擇紅外圖像分割閾值

線性灰度變換方法[7]從高、低兩個灰度級方向?qū)ふ一叶忍凕c作為分段變換點，F(xiàn)PGA 實現(xiàn)開銷大。自適應(yīng)計算[8]采用最小誤差法實現(xiàn)區(qū)間邊界點，計算量大，硬件實現(xiàn)有難度，存在拉伸系數(shù)難易確定等問題。本文在原有算法研究的基礎(chǔ)上提出了用前幾幀圖像多級均值估算出過度灰度級、背景灰度級和目標(biāo)的灰度級[6]。通過設(shè)置灰度過渡區(qū)，可消除對圖像增強產(chǎn)生的影響。由式（2），當(dāng)k=1時，認為目標(biāo)是大于1/2 處均值的灰度級，即x2，再對剩下的像素取均值，即k=2時，認為背景是小于1/4 處的均值，得到x1，背景和目標(biāo)的過度區(qū)間為[x1， x2]。

3 FPGA實現(xiàn)的分段線性增強算法

3.1 算法思想

用濾波、盲元補償和等手段對紅外圖像進行處理，處理結(jié)果輸入多級均值統(tǒng)計模塊，在每幀圖像的正程期間，統(tǒng)計像素值的個數(shù)，然后累加像素時鐘同步下的像素值，最后對圖像幀逆程期間的數(shù)據(jù)求均值。多級均值統(tǒng)計模塊不斷計算各級均值，用濾波處理需要的均值，輸出給分段線性增強模塊，該模塊能夠?qū)崟r增強紅外圖像。

3.2 硬件實現(xiàn)

統(tǒng)計前后幾幀圖像之間的信息，因為在紅外視頻圖像中前后幀之間有很強的相關(guān)性，所以這些信息基本不變，依據(jù)此原理多級均值統(tǒng)計模塊的工作方式是流水線式的。倘若要獲得k=1、k=2和k=4處的均值，統(tǒng)計模塊需連續(xù)輸入4幀圖像。具體過程為：統(tǒng)計出第1幀1/2處均值x2，用來計算第2幀1/4處均值x1，如此反復(fù)，可得第4幀的xmi、xma值。根據(jù)前4幀統(tǒng)計出的xmi、x1、x2和xma值，用于實現(xiàn)第5幀圖像的實時增強。每一級的均值計算模塊如下圖。

在均值運算中，除法運算占用資源較多，在 FPGA 中和累加運算實現(xiàn)相對簡單，因此，在圖像的幀逆程期間可以分時復(fù)用一個除法器，實現(xiàn)多個均值運算，結(jié)果輸入FIFO 均值緩沖器。設(shè)該均值緩沖器深度為4，分段線性模塊通過把均值緩沖器中的均值做均值處理后增強圖像，這樣可減少噪聲引進均值統(tǒng)計的誤差[7]。多級均值FPGA邏輯結(jié)構(gòu)圖如下圖。

4 結(jié)果分析

圖5顯示了直方圖雙向均衡算法、線性增強算法[2]和本文算法的比較結(jié)果。從圖中可看出，原圖的紅外圖像視覺效果相對模糊，后面三幅圖像視覺效果相對清晰，這是因為后三幅都進行了增強。從效果來看線性增強算法[2]不如本文算法和直方圖雙向均衡算法。但直方圖雙向均衡算法圖像視覺效果較生硬，不適合人眼觀察，這是因為該算法在增強圖像的同時，也增強背景和噪聲。而本文算法處理的圖像看起來更自然，更柔和。

參考文獻：

[1] 岡薩雷斯. 數(shù)字圖像處理[M].2版. 北京： 電子工業(yè)出版社， 2003.

[2] 郭師虹. 空域紅外圖像增強方法的研究[D]. 西安： 西安建筑科技大學(xué)， 2005.

[3] Kim Y Y. Contrast enhancement using brightness preserving bi-histogram equalization[J]. IEEE Trans on Consumer Electronics， 1997， 43（1）： 1-8.

[4] Kittler J. Minimum error thresholding[J]. Pattern Recognition， 1986（19）： 41-47.

[5] 牛英宇. 圖像自適應(yīng)分段線性拉伸算法的FPGA 設(shè)計[J]. 現(xiàn)代電子技術(shù)， 2010（10）： 78-80.

[6] 王岳環(huán)， 王鼎， 胡艷明，等. 基于FPGA 的實時紅外圖像線性增強算法[J]. 微計算機信息， 2007， 23（17）： 191-192.

[7] 李曉冰. 一種紅外測量圖像自適應(yīng)分段線性灰度變換方法[J]. 光電子技術(shù)， 2011， 31（4）： 236-239.

[8] 張秀君， 孫曉麗. 分段線性變換增強的自適應(yīng)方法[J]. 電子科技， 2005（3）： 13-16.