基于數(shù)字信號處理技術(shù)的紅外夜視行車圖像的處理

,

(蕪湖職業(yè)技術(shù)學院信息工程學院，安徽 蕪湖 241006)

0 引 言

圖像技術(shù)在近十年內(nèi)快速發(fā)展，紅外成像技術(shù)趨近于成熟，由于紅外技術(shù)的大氣穿透等特性[1]，人們在夜視功能的實現(xiàn)方面也越來越多的用到紅外線，比較常見的是使用主動式紅外夜視技術(shù)成像[2]，其原理是通過主動式紅外光源發(fā)射體發(fā)出紅外光照射到物體上并由物體反射[3]，再使用相關(guān)設(shè)備采集物體反射的紅外光并處理來形成對應(yīng)的夜視圖像。使用主動式紅外車載夜視儀可以增強司機在夜晚的視覺捕捉能力[4]，增加司機視距，提升夜晚的行車安全。

設(shè)計了一款車載的主動式紅外夜視系統(tǒng)[5]，其原理為使用CCD攝像機進行紅外反射光的捕捉，并將捕捉的紅外信號通過TI公司的數(shù)字信號處理(DSP)芯片還原成最終的數(shù)字圖像，最后通過顯示裝置進行輸出，設(shè)計原理如圖 1所示。

該紅外夜視系統(tǒng)在搭建完成后，當CCD攝像機捕捉紅外反射光形成的夜視圖像直接輸出在顯示器中時[6]，由于圖像噪聲較大，造成了圖像質(zhì)量不高的問題[7]，如圖 2所示。在夜晚會車等情況下會產(chǎn)生“白屏”問題，如圖 3所示。

圖 2顯示系統(tǒng)最后輸出的圖像中會出現(xiàn)點狀瑕疵[8]，這種點狀瑕疵被稱為圖像噪聲，會降低圖像的顯示效果。圖 3顯示會車過程中系統(tǒng)形成的圖像中表示光亮的白色區(qū)域掩蓋了雙方車身的側(cè)面及后方的信息，這種現(xiàn)象被稱為“白屏”[9]，嚴重影響司機的夜視視野。這些不良的影響會使得司機不僅無法從夜視圖像中獲得更好的視距信息，還可能因為圖像質(zhì)量問題造成誤判而發(fā)生交通事故。

首先設(shè)計解決方案，然后對解決方案進行實現(xiàn)，最后與解決前的效果進行比較并得出結(jié)論。

圖1 主動式紅外夜視系統(tǒng)原理

圖2 有噪聲的圖像

圖3 產(chǎn)生“白屏”的圖像

1 解決方案的設(shè)計

需要解決的問題有兩個，一是圖像去噪聲，二是解決圖像白屏，這些問題都需要通過圖像增強技術(shù)對夜視圖像進行處理來解決。

圖像增強技術(shù)可以使用頻率域增強法、空間域增強法等[10]，均是針對圖像的基本元素，如像素、灰度值等進行的算法變換手段。對圖像進行增強的方式有圖像復原和局部增強兩種，圖像復原方式可以對圖像整體的色彩和細節(jié)部分進行增色和平滑處理，使其接近原始圖像；局部增強方式會對圖像中需要被獲取相關(guān)圖像信息的重點部位進行針對性的增強，突出其特征，保證重要信息的吸收。根據(jù)兩個問題各自的特點，準備使用圖像復原中的某些技術(shù)解決圖像去噪聲問題，使用局部增強的方式解決圖像白屏的問題。

Code Computer Studio(CCS)是TI公司專門為TMS320系列DSP的集成開發(fā)環(huán)境[11]，它支持C/C++和匯編語言混合編程，并可以很方便的對程序進行開發(fā)和調(diào)試。因此，使用CSS集成開發(fā)環(huán)境，將圖像處理算法編寫成相應(yīng)的圖像處理程序，對DSP中的數(shù)字圖像進行了相關(guān)處理，具體解決方案如下。

1.1 圖像噪聲解決方案

經(jīng)對設(shè)備的測試和分析，圖像出現(xiàn)噪點原因有兩點，一是由大氣自身漂浮的顆?；覊m引起的電子波散射、光波、熱量等原因造成，二是由電子設(shè)備自身信號傳輸中干擾造成的噪聲。該紅外夜視系統(tǒng)的圖像噪聲主要以灰色、黑色、白色構(gòu)成相間的亮暗點為主，這種類型的噪聲又稱為椒鹽噪聲，另外圖像中也疊加了少量的高斯噪聲和泊松噪聲[12]。這些圖像噪聲可以使用中值濾波算法對其進行改進，解決方案的流程可以設(shè)計為如圖 4所示。

圖4 圖像噪聲解決方案流程

1.2 迎面光白屏解決方案

由圖 3可以看出，因為迎面車的遠光燈的效果，其車身周圍都被車燈的光圈所籠罩，并且由于在很短的時間內(nèi)接收的光過強，使整個屏幕的灰度發(fā)生改變，整個屏幕偏白，會掩蓋車身及車后方的事物。白屏問題的關(guān)鍵在于畫面的對比度降低，可以先降低圖片流的灰度，并使用直方圖均衡方法來增強對比度[13]。因此解決方案的流程可以設(shè)計為如圖 5所示。

圖5 白屏解決方案流程

圖6 中值濾波流程

2 具體實現(xiàn)

2.1 圖像去噪

中值濾波是對圖像增強的處理方法中的一種，它被朱克于1971年提出，這種圖像增強方法可以去除一些有明顯灰度差別的的噪聲，如椒鹽噪聲等。

以一維空間為例，中值濾波包括一個含有奇數(shù)個像素的窗口，那么窗口中間像素值由窗口中的中間像素代替[14]，即其離散數(shù)列可表示為:a1、a2、…、an，其中間值數(shù)列中含有(N-1)/2個元素比它小或和它相等。對于二維圖像3*3的像素矩陣來說，可以在3*3中的像素中尋找中值。綜上所述，如果重新排列中最大的像素值為單調(diào)遞增序列中峰值，濾波就能起到很好效果。

但是由于視頻中圖像為動態(tài)，變化較快，如果對圖像進行中值處理具有一定的延遲，因此本文對中值濾波算法進行改進，使用了一種能夠快速進行中值濾波的方法并通過CCS編程實現(xiàn)[15]，具體流程見圖 6所示：

快速中值濾波偽代碼：

Input: image X of size m*n, kernel radius r. //設(shè)置m*n的像素矩陣和Kernel矩陣半徑output: image Y as X. Initialize Kernel histogram H //初始化核心Kernel直方圖 for i =1 to m do for j = 1 to n do for k=-r to r do//快速遍歷像素 Remove Xi+k. j+r to H //刪除掃描區(qū)域的像素值 end for Yi,j <- median(H) //取中值 end for end for

圖7 灰度均衡算法流程圖

2.2 迎面光對比度調(diào)整

根據(jù)迎面光白屏解決方案，首先需要調(diào)整輸入圖像的對比度，比較常用的方法是根據(jù)圖像的灰度計算平均灰度，將其他灰度的像素點按與平均灰度的差值進行調(diào)整[16]。接著就需要通過直方圖均衡算法去增強對比度。

直方圖均衡也被稱為灰度均衡，其中心思想是把一幅已知灰度概率分布的圖像通過一定的數(shù)學手段的變換，讓其的灰度具有均勻分布特征，以便使灰度更均勻的呈現(xiàn)，增加灰度值的動態(tài)范圍，達到增強圖像對比度的目的。

根據(jù)圖像的累積分布函數(shù)的核心理論特征，可使用CCS編程將灰度比較集中的區(qū)域進行削減并變換到其他其他較廣較散的區(qū)域中，使灰度的密集區(qū)域降低，并將灰度密集程度較少的像素區(qū)域的灰度值增加并拉勻，使得整個灰度數(shù)據(jù)分布平均化[19]。具體編程的算法[20]步驟如圖 7所示。

直方圖均衡偽代碼如下：

Input: LPSTR RpBit,LONG Width , Height //輸入圖像指針,圖像像素高和寬output: image Y as RpBit->X lLineBytes = WIDTHBYTES(Width * 8); //計算圖像每行字節(jié)數(shù) for i =0 to Height do for j = 0 to Width do GetlpSRC(RpBit);//計算各個灰度的計數(shù) end for end forfor i =0 to 256 do for j = 0 to i do Temp=GetTemp();//計算灰度映射表 end forbMap[i]=(BYTE)(Temp*255/Height/Width);//計算對應(yīng)的新灰度值 end for for i =0 to Height do for j = 0 to Width do SetlpSRC(bMap[*lpSrc]);//重新設(shè)置圖像灰度 end for end for

圖8 去噪后圖像效果

圖9 直方圖均衡前后對比

3 測試結(jié)果

程序調(diào)試完成后，基于該主動式紅外夜視系統(tǒng)環(huán)境進行調(diào)試，使用比較法，將去噪前圖像(如圖 2所示)和使用中值濾波算法后的圖像(如圖 8所示)進行對比，經(jīng)比較，去噪后的圖像存在的噪聲被基本剔除，畫面平滑，視覺效果較之前者較為舒適。

圖10 灰度均衡后圖像

接著針對迎面光的圖像效果進行比較，經(jīng)過對比發(fā)現(xiàn)，通過直方圖均衡算法，原先圖像(如圖 9左邊圖所示)的灰度變得均勻(如圖 9右邊圖所示)，而在圖像上可以看出，處理后的車燈周圍和車身、車后部位有些細節(jié)部分可以看清，因此可以對車內(nèi)司機在會車時因迎面光影響而導致的視線不清問題有所改善，如圖 10所示。

4 結(jié) 論

通過上述測試可得，圖像增強技術(shù)在對夜視系統(tǒng)中的應(yīng)用中可以對圖像進行改善，有著非常重要的作用。通過改進的快速中值濾波算法，可以對動態(tài)的視頻流圖像進行很好的去噪方面的實時處理，通過直方圖均衡可以增強對比度，改善白屏現(xiàn)象。因此，基于圖像增強技術(shù)的紅外夜視系統(tǒng)會讓用戶得到更好的用戶體驗。

參考文獻：

[1] 林淑芬.車載主動式紅外激光夜視成像系統(tǒng)的研究[D]. 廈門: 廈門大學, 2008.

[2] 陳新發(fā),廖穎,楊柳彬. 新型汽車主動式紅外夜視系統(tǒng)的研究與開發(fā)[J]. 紅外, 2009, (2): 24-27.

[3] 陳浩.汽車最新科技之車載紅外夜視系統(tǒng)[EB/OL]. http://auto.sina.com.cn/news/2009-04-05/1835478948.shtml.

[4] 呂立波. 穿透夜幕的火眼金睛——夜視技術(shù)的發(fā)展及應(yīng)用[J]. 國外科技動態(tài), 2000, (11): 34-38.

[5] 江自昊. 主動式車載紅外夜視系統(tǒng)的設(shè)計與實現(xiàn)[J]. 德州學院學報, 2017, (33): 62-65.

[6] 韓衛(wèi)華,錢光弟. CCD圖像傳感器新技術(shù)與發(fā)展方向[J]. 聲屏世界, 2007: 70-71.

[7] 郭艷麗. 油井遠程夜視監(jiān)控系統(tǒng)的研究與設(shè)計[D]. 華東: 中國石油大學, 2009.

[8] C.L.Carrison, N.A.Foss. Non-uniformity compensation for staring infrared(IR) focal planes. SPIE, 1979, (178): 99-109.

[9] A.F.Milton, F.R.Barone, M.R.Krller. Influence of Nonuniformity on Infrared Focal Plan Array Performance. SPIE Opt.Eng, 1985, (5): 855-865.

[10] 張志群. 夜間拍照的圖像增強算法研究[D]. 西安: 西安電子科技大學, 2014.

[11] 何斌. Visual C++數(shù)字圖像處理[M]. 北京:人民郵電出版社, 2002.

[12] 鐘振華,譚猛. 基于椒鹽噪聲的中值濾波改進算法[J]. 西部皮革, 2017,(6):25-28.

[13] M.M.Jonathan,D.S.Freeman,5.E.William,et al.ResPonsivity nonuniformity limited performance of infrared staring cameras.SPIE Opt.Eng.1989,28(11):1151-1161.

[14] 樊記明. 基于圖像的揚聲器焊點位置檢測系統(tǒng)設(shè)計[D]. 上海: 東華大學, 2016.

[15] THOMAS S. HUANG. A Fast Two-Dimensional Median Filtering Algorithm[J]. IEEE TRANSACTIONS, 1979,(27):13-18.

[16] 紫鵺. 數(shù)字圖像處理調(diào)整對比度的幾種方法[EB/OL]. http://blog.sina.com.cn/s/blog_715b47c201015ier.html, 2012-08-03/2018-01-15.

[17] 李穎杰, 楊華, 王寶榮, 等. 一種改進的紅外圖像增強算法[J]. 紅外, 2009, (7):45-48.

[18] 郝寶青. 智能車輛視覺導航中道路與行人檢測技術(shù)的研究[D]. 哈爾濱: 哈爾濱工業(yè)大學,2006.

[19] 莫雨. 直方圖均衡化(色調(diào)均化)[EB/OL]. http://blog.csdn.net/moyumoyu/article/details/7930423, 2012-08-31/2018-01-15.

[20] 江巨浪,張佑生,薛峰,等. 保持圖像亮度的局部直方圖均衡算法[M].電子學報, 2006, (5):861-866.