[发明专利]一种基于FPGA的实时水面浓雾场景图像增强方法

说明书

本发明涉及一种基于FPGA的实时水面浓雾场景图像增强方法，包括以下步骤：第一，对输入图像进行自动白平衡校正；第二，对白平衡校正之后的数据进行色彩空间变换；第三，利用暗原色先验理论，估计大气光强A与透射率t(x)；第四，对RGB三个通道数据分别进行去雾处理；第五，对去雾之后的RGB通道进行亮度校正；第六，对自动白平衡校正之后的图像进行细节保持的对比度增强；第七，对第五步和第六步得到的图像进行图像融合；第八，对融合之后的图像进行色彩空间逆变换，由RGB色彩空间变为原始输入的色彩空间。本发明具有针对水面浓雾场景的去雾效果，可以显著增强图像细节和对比度，增强了在水面浓雾的情况下发现和识别目标的能力，使视频更适宜人眼观看。

技术领域

本发明涉及一种基于FPGA的实时水面浓雾场景图像增强方法，针对水面水雾浓度大，图像降质严重的问题，通过融合求解大气散射物理模型方法与对比度增强方法实现对图像的清晰化处理，属于图像处理、机器视觉领域。

背景技术

随着计算机视觉系统的发展及其在军事、交通以及安全监控等领域的应用，图像增强已成为计算机视觉的重要研究方向。在海面或者水面成像时，因为水雾比较严重，图像会由于大气散射的作用而被严重降质，使图像颜色偏灰白色，对比度降低，物体特征难以辨认，不仅使视觉效果变差，图像观赏性降低，还会影响图像后期的处理，更会影响各类依赖于光学成像仪器的系统工作，如卫星遥感系统、航拍系统和目标识别系统等。

目前，浓雾降质图像的清晰化算法所采取的方法主要有两类，一类是基于物理模型的雾天退化图像复原方法，从物理成因的角度对大气散射作用进行建模分析，从而实现场景复原。大气散射模型是雾天图像呈现模糊、低对比度等特点的理论基础，是了解雾天图像的成像机理、还原大气退化图像的主要依据。另一类是从图像呈现的低亮度和低对比度的特征考虑，从图像处理角度对雾天降质图像实现对比度增强的方法。图像增强处理则不考虑退化原因，按照特定需要突出图像中的某些信息，同时削弱或去除某些不需要的信息，使信息熵达到最大，实现整个图像的对比度增强。

去雾方法的研究是目前机器视觉领域的热点之一，吸引了国内外多家研究机构的关注；2009年发表于国际顶级会议CVPR的文献《Single Image Haze Removal Using DarkChannel Prior》对去雾方法进行了研究，取得了较好的实际效果，但是由于天空区域不满足暗原色先验，该方法对于存在大面积天空的雾化图像处理时，出现失真，同时文章提出的计算透射率的soft matting方法虽然能够得到较为精细的透射率图，但是计算复杂，无法满足实时性的要求。

专利CN106023118A提出一种图像去雾方法及其在FPGA上的实现方法，虽然实现了有雾场景的实时去雾功能，但是并没有对图像的对比度与目标边缘进行处理，图像仍然会存在对比度低，目标边缘模糊的问题。本发明在去除浓雾的同时，增强图像的对比度，增强目标的边缘信息，使得处理后的图像更加清晰，更加适于人眼观看。

发明内容

本发明解决的技术问题是：针对水面水雾浓度大，图像降质严重的问题，提供一种基于FPGA的实时水面浓雾场景图像增强方法，具有针对水面浓雾的去雾效果，可以显著增强图像细节和对比度，可以增强在水面浓雾的情况下发现和识别目标的能力，也使视频更适宜人眼观看。

本发明的技术解决方案：一种基于FPGA的实时水面浓雾场景图像增强方法，包括以下步骤：

步骤一：对输入图像进行自动白平衡校正，防止因颜色偏差导致增强失败；

步骤二：对白平衡校正之后的数据进行色彩空间变换，由其他色彩空间转换到RGB色彩空间，方便后面对图像进行处理；

步骤三：将色彩空间转换之后的数据分为四个部分，第一部分进行保持细节的对比度增强；第二部分为RGB三个通道的原始数据，用于后面去雾处理；第三部分计算暗通道先验信息，用于估计大气光强和透射率；第四部分计算亮通道信息，用于进行亮度校正；