摘 要:為改善紅外圖像的視覺效果和后續(xù)處理質(zhì)量，需要對圖像進(jìn)行增強(qiáng)處理。在此介紹并實現(xiàn)了一種空間域圖像增強(qiáng)算法，自適應(yīng)分段線性拉伸算法。首先簡要分析算法原理，對該算法基于Xilinx公司XC4VLX15系列FPGA的實現(xiàn)方法進(jìn)行了研究，以兼顧系統(tǒng)實時性和集成度為目的，提出灰度直方圖統(tǒng)計和拉伸運(yùn)算等關(guān)鍵模塊的解決方案。通過試驗結(jié)果分析，對壓縮因子的選取提出建議。該設(shè)計的輸出延遲僅為62.5 ns，且具有實現(xiàn)簡單、集成度高、功耗低等優(yōu)點，適合在精確制導(dǎo)武器和導(dǎo)航系統(tǒng)中應(yīng)用。

關(guān)鍵詞:紅外圖像; 圖像增強(qiáng); 直方圖統(tǒng)計; 壓縮因子

中圖分類號:TP391 文獻(xiàn)標(biāo)識碼:B

文章編號:1004-373X(2010)10-0078-03

Implementation of Adaptive-PiecewiseLinear Stretching Algorithm Based on FPGA

NIU Ying-yu

(China Airborne Missile Academy， Luoyang 471009， China)

Abstract: Infrared images need to be enhanced to improve its performance in the visual effect and subsequent processing quality. One kind of image enhancement algorithm adaptive-piecewise linear stretching algorithm in spatial domain is introduced. The techniques to implement it were researched based on Xilinx XC4VLX15 FPGA chip. The solutions to implementimportant modules such as the histogram statistics and adjusting operation are proposed in consideration of the capability of real-time processing and system integration level. Suggestions of the saturated factor are made with the analysis ofthe experimental results. The designed output delay is only 62.5 ns， and other advantages such as simple structure， high integration level and low power consumption allow it to applied in the precision-guided weapon and navigation system.

Keywords:infrared image; image enhancement; histogram statistics; saturated factor

0 引 言

由于紅外圖像的成像機(jī)理以及紅外成像自身的原因，紅外圖像有對比度低、圖像較模糊、噪聲大等特點[1]。因此抑止噪聲，提高圖像信噪比，以及調(diào)整紅外圖像對比度，以利于后續(xù)圖像分析、目標(biāo)識別或跟蹤，必須對紅外圖像進(jìn)行增強(qiáng)處理。另外，在其他場合，若采用人機(jī)交互方式，則必須對原始圖像進(jìn)行預(yù)處理，改善圖像視覺效果，使其更適合人機(jī)進(jìn)一步的分析和處理。

圖像增強(qiáng)從作用域出發(fā)，分為空間域增強(qiáng)和頻率域增強(qiáng)兩種[2-3]。頻率域是一種間接增強(qiáng)的方法，由于存在域之間的變換和反變換，計算復(fù)雜，難以滿足實時性要求。自適應(yīng)分段線性拉伸算法是一種空間域圖像增強(qiáng)方法，直接對圖像像素灰度進(jìn)行操作，由于運(yùn)算過程簡單、實現(xiàn)方便，目前的圖像增強(qiáng)預(yù)處理電路大多選用這種算法。硬件實現(xiàn)上，最初是采用單片DSP芯片實現(xiàn)，其原理為:圖像數(shù)據(jù)實時的傳輸給DSP，DSP接收完1塊數(shù)據(jù)后，再對整塊數(shù)據(jù)進(jìn)行增強(qiáng)處理，這樣勢必會造成時間的延遲，不能滿足精確制導(dǎo)武器系統(tǒng)實時性的要求。后來硬件結(jié)構(gòu)發(fā)展為采取DSP，F(xiàn)PGA芯片相結(jié)合的方式[4]。這樣，有效結(jié)合了DSP的運(yùn)算能力強(qiáng)與FPGA邏輯和存儲資源豐富的優(yōu)點;不足之處在于，DSP與FPGA之間的通信給設(shè)計工作增加了額外負(fù)擔(dān)。與DSP相比，F(xiàn)PGA結(jié)構(gòu)上的優(yōu)勢使得其更適合完成并行處理、及結(jié)構(gòu)性強(qiáng)和高速的運(yùn)算[5]。本文基于這種算法理論基礎(chǔ)，使用Xilinx公司規(guī)模較大的XC4VLX15系列FPGA，實現(xiàn)了紅外圖像的實時處理。

1 自適應(yīng)線性分段線性灰度級拉伸算法

圖像灰度線性拉伸算法表達(dá)式為:

Y(i，j)=X(i，j)-XminXmax-XminZmax(1)

式中:i是圖像數(shù)據(jù)行號;j是圖像數(shù)據(jù)列號;Y(i，j)是拉伸后輸出圖像灰度值;X(i，j)是輸入原始圖像灰度值，為14 b二進(jìn)制數(shù);Xmin是輸入圖像數(shù)據(jù)的最小灰度值;Xmax是輸入圖像數(shù)據(jù)的最大灰度值;Zmax表明輸出圖像的最大灰度值，設(shè)計中拉伸后的圖像灰度值用8 b二進(jìn)制數(shù)表示，故Zmax=255。

首先對紅外圖像做灰度直方圖統(tǒng)計[6]，低信噪比條件下，選取壓縮因子為5%，將盲元和噪聲的影響降到最低。分別搜索5%最大灰度值中的最小值作為Xmax，5%最小灰度值里的最大值作為Xmin。拉伸轉(zhuǎn)換時，將大于Xmax的像素灰度置為Zmax，小于Xmin的像素灰度置為0。

此算法將線性拉伸區(qū)間自適應(yīng)地分為[0，Xmin)，[Xmin，Xmax]和(Xmax，255]三個部分。其中，[0，Xmin)和(Xmax，255]兩個灰度區(qū)間的像素灰度分別被壓縮為0和255。若圖像中目標(biāo)較小，且目標(biāo)正好位于兩個被壓縮的區(qū)間內(nèi)，就有可能被抑制。為避免這種情況發(fā)生，可視情況適當(dāng)調(diào)整壓縮因子5%的大小。

2拉伸算法的FPGA實現(xiàn)

2.1 設(shè)計思路

根據(jù)以上算法分析，F(xiàn)PGA設(shè)計思路如下:在每幀圖像幀正程，用雙端口RAM進(jìn)行直方圖統(tǒng)計，記錄每個像素灰度值出現(xiàn)的次數(shù)，幀逆程即可統(tǒng)計得到此幀圖像的Xmin和Xmax。因為相鄰兩幀圖像近似度高，可用前幀得到的Xmin和Xmax來處理下幀圖像。在幀逆程時，調(diào)用除法器計算出Q=16 384Xmax-Xmin的值;在下幀正程時，只需計算Q#8226;[X(i，j)-Xmin]，然后將得到的結(jié)果除以64(左移6位)，即對每個像素只需1次減法、1次乘法和移位就可完成拉伸運(yùn)算。實現(xiàn)框圖如圖1所示，拉伸后數(shù)據(jù)的輸出僅比輸入延時62.5 ns，實現(xiàn)了對紅外圖像的實時處理。

圖1 拉伸算法的實現(xiàn)框圖

2.2 硬件設(shè)計

通過以上設(shè)計思路的分析，設(shè)計主要包括灰度直方圖統(tǒng)計、除法和拉伸運(yùn)算3部分。下面進(jìn)行詳細(xì)介紹。

2.2.1 雙端口RAM

XC4VLX15芯片具有豐富的BlockRAM資源，用它構(gòu)成雙端口RAM[7]，進(jìn)行灰度直方圖統(tǒng)計。像素的灰度值作為雙端口RAM的地址，對應(yīng)空間存儲此灰度值在1幀圖像里的頻數(shù)。以320×256幀大小、灰度值為14 b的紅外圖像為例，在每個像素灰度值都相同的極限情況下，每個地址空間需要的存儲的值為81 920，轉(zhuǎn)換為二進(jìn)制有17 b，故所需存儲空間大小為17 b×214。對雙端口RAM的操作分為三個階段:

(1) 在幀正程時，只需對A端口進(jìn)行讀/寫操作。根據(jù)接收到的像素灰度值，先讀出RAM中對應(yīng)地址空間的儲值，加“1”后回寫入原來的地址空間，這樣在每幀正程結(jié)束時，就統(tǒng)計完了每個灰度值出現(xiàn)的頻數(shù)，即完成了灰度直方圖統(tǒng)計。

(2) 幀逆程時，要同時對A，B端口進(jìn)行讀操作。對于A端口，依次從高地址讀取RAM中的數(shù)，將讀取的數(shù)進(jìn)行累加，當(dāng)和大于幀像素個數(shù)的5%時，此時對應(yīng)的地址值即為Xmax;類似地對B端口操作，從0地址開始讀RAM，可找到Xmin。將得到的灰度值Xmin和Xmax存入寄存器，作為除法器和下一幀圖像拉伸運(yùn)算的輸入。

(3) 每幀最后將雙端口RAM清零，為下一幀灰度直方圖統(tǒng)計做準(zhǔn)備。由于雙端口RAM沒有整體清零功能，設(shè)計中采用從“0”地址開始，依次往高地址寫零的方式清零。

2.2.2 除法器

除法運(yùn)算通過調(diào)用ISE IP Core Generator生成的15位定點除法器來實現(xiàn)[8]，滿足高精度要求，而不采用逼近法。一幀圖像的拉伸只需調(diào)用一次除法器，提高了運(yùn)算的效率。在幀逆程計算Q=16 384/(Xmax-Xmin)的值，對于15位輸入，除法器有18個時鐘周期的延時，而這并不會影響圖像處理的實時性。

2.2.3 控制時鐘

在1個像素時鐘周期內(nèi)要完成讀RAM、加法計算和回寫RAM的操作，RAM的控制時鐘至少必須是像素時鐘的4倍?？刂茣r鐘的選取還要考慮幀逆程的時間長度，要在逆程里訪問RAM查找到Xmin和Xmax，還要完成RAM清零操作。FPGA系統(tǒng)時鐘為96 MHz，分頻后產(chǎn)生48 MHz，為像素時鐘8倍，用它作為雙端口RAM和除法器的控制時鐘，可滿足要求。

2.2.4 拉伸運(yùn)算

將式(1)進(jìn)行簡單變換，可以記為:

Y(i，j)=Q#8226;[X(i，j)-Xmin]/26(2)

式中:

Q=16 384/(Xmax-Xmin)(3)

Q值在上幀結(jié)束前已經(jīng)得到，根據(jù)式(2)拉伸運(yùn)算得到簡化，只需1次減法和乘法運(yùn)算，得到積的小數(shù)點左移6位后，截取低8位就得到拉伸后的灰度值。需要注意的是，截取前要判定乘法是否溢出，如果溢出，結(jié)果置為最大灰度值255。

3 系統(tǒng)驗證

采用飛機(jī)高空采集的地面紅外圖像作為驗證模板，灰度拉伸前的原始圖像如圖2所示，整幅圖像對比度低，細(xì)節(jié)極不明顯。最大、最小灰度值按5%的比例選取，拉伸后的圖像如圖3所示，拉伸后可明顯看出河流、道路、汽車等地物的輪廓，但圖像中較亮和較暗的部分層次不清晰。若減小灰度值壓縮比例為2%，圖像的主要輪廓變化不明顯，較亮和較暗的部分將會顯現(xiàn)出一定層次，這表明被壓縮的區(qū)間相對變小，按比例拉伸的圖像范圍擴(kuò)大。分段線性拉伸的結(jié)果可好可壞，分段區(qū)間的選擇是關(guān)鍵，選取時要考慮原始圖像的質(zhì)量。噪聲和盲元數(shù)目較少時，被壓縮的區(qū)間可適當(dāng)調(diào)小。

圖2 原始圖像

圖3 5%壓縮區(qū)間拉伸結(jié)果

該設(shè)計充分利用Virtex-4 FPGA的邏輯資源，實現(xiàn)了紅外圖像的自適應(yīng)分段線性拉伸，對FPGA芯片資源占用情況如表1所示。整個設(shè)計完全在FPGA中實現(xiàn)，能最大限度地減少分立元件的使用，降低了系統(tǒng)的整體功耗，設(shè)計周期和開發(fā)成本也就能隨之減少。算法完全采用流水線設(shè)計思路，處理后的數(shù)據(jù)相對輸入延時小于一個像素時鐘周期，最高系統(tǒng)時鐘可達(dá)128 MHz。設(shè)計的性能和實時性滿足預(yù)期目標(biāo)，可用于精確制導(dǎo)武器或?qū)Ш较到y(tǒng)。

表 1 FPGA資源占用情況

Number of Slices512 out of 61448%

Number of Slice Flip Flops775 out of 12 2886%

Number of 4 input LUTs526 out of 12 2884%

Number of bonded IOBs30 out of 24012%

Number of FIFO16/RAMB16s16 out of 4833%

Number of BUFG/BUFGCTRLs1 out of 323%

Number of DSP48s1 out of 323%

4 結(jié) 語

這里簡要分析了圖像自適應(yīng)分段線性拉伸算法，利用Xilinx Virtex-4 FPGA豐富的片上資源實現(xiàn)了這一算法。通過實驗對設(shè)計的有效性進(jìn)行了驗證，圖像對比度有明顯提高，噪聲和盲元被抑制。但該算法具有局限性，僅適用于大目標(biāo)的圖像增強(qiáng)。在天文學(xué)[9]、計算機(jī)視覺、動態(tài)景物分析[10]、超聲及聲納圖像處理等領(lǐng)域中廣泛存在著點目標(biāo)紅外圖像，由于點目標(biāo)無形狀、尺寸等可利用的信息，處理時須存儲多幀圖像，數(shù)據(jù)處理量大[11]。在做圖像灰度級拉伸時，目標(biāo)有可能被作為噪聲而抑制掉，從而丟失有用信息，今后需要對點目標(biāo)紅外圖像的增強(qiáng)方法做進(jìn)一步研究。

參考文獻(xiàn)

[1]李懷瓊.高性能凝視熱像儀處理電子學(xué)關(guān)鍵技術(shù)研究[D].南京: 南京理工大學(xué)，2006.

[2]章毓晉.圖像處理和分析[M].北京:清華大學(xué)出版社，1999.

[3]劉禾.數(shù)字圖像處理與應(yīng)用[M].北京:中國電力出版社，2006.

[4]顧東升，楊南生，皮德富，等.一種基于DSP+FPGA技術(shù)的實時紅外圖像直方圖均衡器[J].紅外技術(shù)，2002(3):15-19.

[5]程軍.成像跟蹤器及其性能評估系統(tǒng)接口的硬件設(shè)計[D]. 武漢:華中科技大學(xué)，2006.

[6]郭師虹.空域紅外圖像增強(qiáng)方法的研究[D].西安:西安建筑大學(xué)， 2005.

[7]XILINX Corp.. LogicCore block memory generator V2.8 product specification[DB/DK]. [2008-09-19].http://www.xilinx.com.

[8]XILINX Corp..LogicCore divider V2.0 product specification [DB/DK]. [2008-06-27]. http:// www. xilinx. com， June 27， 2008.

[9]韓建濤，張月，陳曾平.天文圖像序列中弱目標(biāo)得實時檢測算法[J].光電工程，2005，32(12): 1-4.

[10]ASKAR. A spatial-temporal diversity based real-time high performance TBD technique for detection of dim moving point target in image sequences [J]. Signal Process， 2005， 21(4): 379-383.

[11]LI Zhi-yong. Dynamic image process [M]. Beijing:Defence Industry Press，1999.