雾天视频清晰化系统研究.

洪平，路林吉

0 引言

在信息化社会中，实时监控系统在交通、安防、军事等领域有着越来越广泛的应用，为维持社会秩序、提高人民生活质量起了至关重要的作用[1]。但在恶劣气象条件下（特别是雾天），普通监控系统常常受能见度影响而不能发挥应有的作用，对公共交通、生产生活和社会秩序产生了极大不利影响。本文设计了针对雾天图像的实时视频清晰化系统，通过把本系统添加到监控系统可以有效解决恶劣列天气对监控的影响。视频清晰化系统不仅提高了监控系统的适应性和可靠性，还能节约监控系统改进成本。

雾天视频清晰化系统首先把摄像头采集的模拟视频信号通过解码芯片转换成数字视频信号，然后通过DSP(Digital Signal Processor)进行信号加强算法的处理，再把增强后的数字视频信号通过编码芯片编码为模拟视频信号，最后传到显示器显示，从而实现特殊气象条件下的实时监控。

1 系统硬件的设计

根据视频清晰化系统设计需求和DSP 系统基本构成，系统硬件包括：数字信号处理器TMS320 DM642、程序存储器FLASH、数据存储器SDRA M、视频解码芯片、视频编码芯片、JTAG 仿真器、晶振等。系统硬件总体框架[2][3]，如图1所示：

图1 系统硬件总体框架

硬件系统主要由3 部分组成：

(1)外部扩展存储器。DM642的外部存储器接口(EMIFA)分为四个片选空间：CE0、CE1、CE2 和CE3。本文采用了其中两个片选空间CE0 和CE1，CE0 外接2 片4M×32bit的SDRAM，作为数据存储空间，CE1 外接一片8M×8bit的Flash，作为程序存储空间。

(2)视频输入输出部分。DM642 提供了3 个可配置的视频端口（VPORT0-2）能够与通用的视频编、解码器实现无缝连接，支持多种视频分辨率及视频标准。本文利用了其中两个视频通道VP0 和VP2，其中VP0 用于视频信号的输入，VP2 用于视频信号的输出。VP0 外接视频解码器SAA7115，该芯片内部包含高质量视频解码模块和图像缩放模块。SAA7115 以CVBS(Composite Video Broadcast Signal)为输入信号，能输出D1、CIF、QCIF 等多种分辨率的图像。VP2外接视频编码器SAA7105，能输出标准清晰度的电视信号和高清晰度的电视信号。由于SAA7105 在输出高清晰度电视信号时，输入必须是双沿时钟信号，但DM642的VP2 不能提供此数据格式，所以还需要在VP2 和SAA7105 之间应用一块FPGA 进行数据格式转换。

(3)电源部分

系统中总共需要三种不同电压源：+5V、+3.3V 和+1.4V。系统外部输入电压为+5V，通过两片TPS54310 转换得到+3.3V 和+1.4V，+1.4V 供应DSP 核,+3.3V 供应除了视频输入输出模块的其他芯片。视频输入输出模块由于负载较高，分别由两块TPS76833 提供+3.3V的电压。

2 系统软件的设计

视频清晰化系统程序模块包括系统初始化、视频采集模块、视频增强处理和视频输出模块。软件流程图，如图2所示：

图2 系统软件流程图

系统完成上电或复位以后，DSP 程序加载并启动，先进行系统初始化和参数配置。完成初始化后，启动SAA7115进行图像采集，并把采集到的图像数据搬移到SDRAM 中，DSP 对采集到的图像进行图像增强处理，再把处理后的图像送到输出缓存，SAA7115 继续执行下一帧的图像采集，如此循环执行。

3 图像增强算法

3.1 Retinex 理论

Retinex（视网膜Retina 和大脑皮层Cortex的缩写）理论[4]是由Land 提出来的一个关于人类视觉系统如何处理视觉信息和形成视觉的模型，解释了为什么在不同的场景、环境下视觉颜色是恒定的。Retinex 理论认为人类的视觉系统感觉到的颜色信息是物体表面的反射性质决定的，而与光源的强度和环境无关。光源引起的颜色变化是平缓的，一般表现为平滑的照明梯度，但是由反射性质引起的颜色变化一般是突变的。通过区分两种变化形式，人类视觉系统可以把视觉信息区分为照度变化信息的和表面本质信息，通过计算照度变化信息获得表面本质信息，获得物体本来面貌，形成颜色恒常性。

图3 Retinex 算法的一般过程

3.2 单尺度Retinex 算法

在众多Retinex 算法中被广泛使用的是由中心环绕算法发展而来的单尺度Retinex 算法[5](Single-Scale Retinex)。SSR 通过环绕函数与原始图像作卷积来估算图像照度分量，数学表示如公式（1）：

假设亮度图像是空间平滑的，i 表示颜色通道，原始图像I(x,y)为，反射图像为R(x,y)，照度图像L(x,y)，ri(x,y)是Retinex 算法的第i 通道的输出数据，*表示卷积F(x,y)，是环绕函数，形式如下公式（2）：

环绕函数是低通函数，所以通过F(x,y)卷积估算的亮度图像对应于原始图像的低频部分，再从原始图像中减去低频部分，得到的反射图像更多的是原始图像中的高频部分，对应于边缘信息。由于人眼对边缘处的高频信息比较敏感，所以处理后的图像能很好的实现边缘增强。

3.3 多尺度颜色恢复Retinex 算法

SSR 算法的最大缺陷是不能同时提供丰富的动态范围压缩和颜色恒常，低尺度SSR 算法增强后的图像会有明显的光晕现象，而高尺度SSR 算法增强后的图像虽然无光晕，但是动态范围压缩效果不理想。为了更好的实现动态范围压缩和颜色恒常，采用了多尺度Retinex 算法[6]（Multi-scale Retinex），具备了单尺度算法低、中、高三个尺度的特点，数学表示如公式（4）：

其中Wk是相应高斯环绕函数Fk(x,y)的权重。

多尺度Retinex 算法同时又带来了颜色失真的问题，原始图像中的R、G、B 三个分量之间的比例关系在经过MSR算法增强之后并不一定保持不变，所以再次引入了颜色恢复因子[7][8]。颜色恢复因子是通过原始图像R、G、B 色彩空间之间的比例关系对Retinex 输出进行修正，还原了原始图像的色彩比例。颜色恢复因子公式（5）：

其中Ci(x,y)是i 通道的颜色恢复系数，Ii(x,y)是原始图像在第i 颜色通道的分布，K 是颜色通道的总数，f 是变换函数，变换函数可以选择线性函数也可以是Log 形式函数。综合MSR 算法和颜色恢复因子MSRCR 算法公式如公式（6）：

MSRCR 算法的处理结果保留了更丰富的细节信息，色彩逼近于真实场景且避免了光晕现象。

4 实验结果

通过处理前后的单幅图像对比表明视频清晰化系统能有效恢复雾天天气导致的视频模糊，对比度明显提高，并且具有良好的实时性。

图4 实验结果对比图

5 结束语

针对监控系统易受恶劣天气状况影响的问题，设计了雾天视频清晰化系统。系统对摄像头采集到的视频图像进行增强处理，采用改进的多尺度颜色恢复Retinex 算法还原真实场景图像，显著提高了视频图像的对比度和清晰度。通过对现有监控系统添加视频清晰化子系统有效解决恶劣天气对监控的影响。

[1]何立民.嵌入式系统的定义与发展历史［J］.单片机及嵌入式应用，2004,(1)：6-8.

[2]高熊，王敏，宗大伟.基于TMS320DM642的视频采集系统设计[J].华中科技大学学报(自然科学版)，2011,39(z2):144-146.

[3]龙映雪,张春熹,伊小素,等.基于DM642的视频采集与处理系统设计及实现[J].电子测量技术,2012,35(9):52-55.

[4]E.H.Land and J.J.McCann.Lightness and retinex theory[J].Journal of the Optical society of America,1971,vol.61:1-11.

[5]D.J.Jobson,et al.Properties and performance of a center/surround retinex[J].IEEE Transactions on Image Processing,1997,vol.6:451-462.

[6]Bo Li,Jin Zheng,Shu Xian,et al.A fast multi-scale retinex algorithm for color image enhancement[C].In Wavelet Analysis and Pattern Recognition,Beijing : Beihang Univ.,2008:80-85.

[7]Jae-hyoung YU,Young-tak KIM,Nam-ki LEE,et al.Effective color correction method employing HSV color model[J].Journal of Measurement Science and Instrumentation,2012,03(01):39-45.

[8]张尚伟,曾平,罗雪梅,等.具有细节补偿和色彩恢复的多尺度Retinex色调映射算法[J].西安交通大学学报,2012,46(4):32-37