華中光電技術(shù)研究所——武漢光電國(guó)家實(shí)驗(yàn)室 汪 波

基于SOPC的紅外邊緣特征增強(qiáng)

華中光電技術(shù)研究所——武漢光電國(guó)家實(shí)驗(yàn)室 汪 波

為了解決紅外圖像邊緣模糊問(wèn)題，提出了一種基于SOPC紅外邊緣增強(qiáng)算法。利用了FPGA并行能力和SOPC的可編譯性的特點(diǎn)，詳細(xì)介紹基于SOPC系統(tǒng)的實(shí)現(xiàn)過(guò)程。實(shí)驗(yàn)表明，基于梯度算子邊緣增強(qiáng)算法有效的增強(qiáng)圖像的特征信息，算法實(shí)時(shí)性較好。

SOPC；邊緣增強(qiáng)；梯度算子輯實(shí)時(shí)完成，其硬件架構(gòu)如圖1所示。

1 引言

隨著紅外技術(shù)的快速發(fā)展，探測(cè)器靈敏度和分辨率不斷提高，探測(cè)能力不斷的提升，紅外系統(tǒng)應(yīng)用越來(lái)也廣泛，如在安防監(jiān)控、醫(yī)療、軍事等領(lǐng)域。對(duì)紅外組件和圖像質(zhì)量要求越來(lái)越高。紅外組件要求體積小、功耗低、多功能和集成性強(qiáng)等特點(diǎn)；紅外圖像要求噪聲小、圖像特征清晰等。因而對(duì)紅外系統(tǒng)組件和算法的要求越來(lái)越高。

目前紅外成像系統(tǒng)主要采用有DSP+FPGA、單片機(jī)+FPGA、單FPGA、ARM等硬件架構(gòu)，各有優(yōu)缺點(diǎn)，本文采用了單FPGA，在FPGA內(nèi)部搭建微處理器SOC，采用基于SOPC技術(shù)［1］［4］。SOPC是高性能片上集成系統(tǒng)，可根據(jù)需要搭建外設(shè)電路、存儲(chǔ)器等功能，并利用FPGA并行計(jì)算的能力，可以提高軟件開(kāi)發(fā)能力，也可以減小功耗和體積。

本文針對(duì)提高紅外圖像邊緣信息方面進(jìn)行了研究，首先針對(duì)邊緣檢測(cè)算法的研究，對(duì)傳統(tǒng)算法討論，并對(duì)其比較，得到較好的邊緣提取算法，并在硬件平臺(tái)實(shí)現(xiàn)。

2　基于SOPC硬件系統(tǒng)

基于SOPC硬件架構(gòu)，在FPGA內(nèi)置了SOC處理系統(tǒng)以及外圍硬件電路，完成對(duì)紅外探測(cè)器控制、數(shù)字圖像采集，數(shù)據(jù)圖像存儲(chǔ)、處理，以及外設(shè)控制，并對(duì)數(shù)字圖像的顯示?；赟OPC架構(gòu)可以靈活的裁剪各種外設(shè)，較少的利用FPGA資源，SOPC與FPGA采用內(nèi)部邏輯連接，無(wú)需額外硬件配置。

本文采用Altera公司的低功耗、低成本Cyclone III系列FPGA芯片作為處理器，進(jìn)行相關(guān)圖像采集和后端處理，通過(guò)多內(nèi)部數(shù)據(jù)交互完成圖像處理過(guò)程，圖像中邊緣增強(qiáng)算法在SOPC內(nèi)核和FPGA邏

圖1　基于SOPC硬件架構(gòu)

3　梯度邊緣算子

圖像邊緣特征為圖像特征變換位置，圖像梯度向量就反映圖像中的變化率的方法［2］。選擇合適的梯度邊緣檢測(cè)算子，有利提取圖像邊緣信息。圖像中在位置放入梯度為：

如上式圖像梯度為梯度方向的偏導(dǎo)數(shù)，在數(shù)字圖像處理中最簡(jiǎn)單處理方法為灰度級(jí)相鄰像素的交叉運(yùn)算。經(jīng)典的邊緣梯度算子很多，如Roberts算子、Prewitt算子、Sobel算子、Gauss-Laplace算子和Canny算子等［3］。經(jīng)典算子有一定的局限性，邊緣檢測(cè)偏差和穩(wěn)定性待提高，為了更好增強(qiáng)目標(biāo)特征減小干擾，本文對(duì)傳統(tǒng)Sobel梯度算子進(jìn)行改進(jìn)。

傳統(tǒng)Sobel算子以一階導(dǎo)數(shù)為基礎(chǔ)，利用鄰近像素和不同權(quán)重進(jìn)行加權(quán)得到。通常采用了3*3或5*5卷積模板，水平方向和垂直方向分別對(duì)原始圖像進(jìn)行卷積，計(jì)算完后將兩個(gè)方向進(jìn)行比較，選擇合適閾值處理。

垂直算子和水平算子模板：

本文采用了多方向?qū)吘壧崛?，增加了?duì)角線方向分析，則變成六個(gè)方向梯度算子，最后通過(guò)卷積運(yùn)算，具體模板如下：

利用上面8個(gè)方向的模板，對(duì)原始圖像進(jìn)行逐點(diǎn)卷積，并對(duì)8個(gè)值進(jìn)行比較，將最大值作為該點(diǎn)的灰度值。得到一幅新的梯度圖。

4　算法在FPGA中實(shí)現(xiàn)

基于SOPC硬件架構(gòu)對(duì)紅外圖像的預(yù)處理包括有圖像濾波、壞元提取以及非均勻校正等算法。圖像特征增強(qiáng)算法的實(shí)現(xiàn)首先通過(guò)A/D采樣、得到圖像每個(gè)像素的數(shù)字灰度值，利用SOPC中的IP模塊LPM_FIFO進(jìn)行緩沖。需要從每個(gè)相鄰像素的3列中讀取相應(yīng)的數(shù)字；采用梯度邊緣提取因子3*3的窗口。

整個(gè)邊緣增強(qiáng)過(guò)程采用并行處理，具體FIFO數(shù)據(jù)流程圖采用了如圖2所示：

圖2　FIFO數(shù)據(jù)流程圖

圖像中的數(shù)據(jù)依次進(jìn)入FIFO，每列分別進(jìn)入，當(dāng)有新的一列數(shù)據(jù)進(jìn)入時(shí)，將FIFO1數(shù)據(jù)讀入到FIFO2中，依次類(lèi)推。根據(jù)梯度算子進(jìn)行乘法運(yùn)算后得到邊緣信息，對(duì)邊緣部分增強(qiáng)處理。

5　功能實(shí)現(xiàn)

本文采用了廣微機(jī)電公司生產(chǎn)的384*288探測(cè)器，采用了Altera公司的EP3C16F256I7工業(yè)級(jí)芯片，采用了幀頻為25Hz，芯片時(shí)鐘為27MHz。系統(tǒng)采用了基于Quartus9.1的verilog語(yǔ)言設(shè)計(jì)和SOPC Builder編程，并對(duì)時(shí)序和圖像進(jìn)行了仿真。

從圖3（b）可以看出圖像邊緣特征較原圖較清晰，認(rèn)得輪廓較原始圖像明顯，有較好的邊緣特征增強(qiáng)效果。

圖3　邊緣增強(qiáng)前后圖像對(duì)比

6　結(jié)論

圖像特征增強(qiáng)是圖像處理較重要部分，本文針對(duì)傳統(tǒng)梯度Sobel邊緣檢測(cè)算子，通過(guò)基于SOPC系統(tǒng)架構(gòu)的實(shí)現(xiàn)，并詳細(xì)介紹了在硬件處理過(guò)程，通過(guò)實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)實(shí)時(shí)對(duì)邊緣特征增強(qiáng)，且實(shí)現(xiàn)較為簡(jiǎn)單，資源消耗低。但對(duì)噪聲也有一定加強(qiáng)，基于SOPC架構(gòu)平臺(tái)需要進(jìn)一步開(kāi)發(fā)，對(duì)噪聲抑制和濾波處理。

［1］Rafael C.Gonzalez，Richard E Woods.Digital Image Processing. Second Edition ［M］.Prentice Hall，2002.

［2］金偉其，劉斌，范永杰，等.紅外圖像細(xì)節(jié)增強(qiáng)技術(shù)研究進(jìn)展［M］.紅外和激光，2011.

［3］Hui-xin Zhou，Han-lin Qin，Rui Lai，Shang-qian Liu，Lei Wang. Scene-based Nonuniformity Correction Algorithms for Infrared Focal Plane Arrays［A］.IEEE 14th Conf.on Terahertz Electronics，Infrared Imaging and Application［C］.sept.，2006，Shanghai，China，pp.169.

［4］趙廣州，等.基于DSP和FPGA的模塊化實(shí)時(shí)圖像處理系統(tǒng)設(shè)計(jì)［J］.華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，32（10）：4-6.