基于GPU加速器的图像实时去雾系统

高　策，赵新宇，柳玉晗中国科学院长春光学精密机械与物理研究所，吉林长春　130022

基于GPU加速器的图像实时去雾系统

高策，赵新宇，柳玉晗
中国科学院长春光学精密机械与物理研究所，吉林长春130022

随着成像技术的飞速发展，光学设备使用了越来越多的先进探测器；对影像的清晰展示逐渐成为光学设备的一项重要功能，在雾霾环境下，如何将实时影像进行处理，以更加清晰、更能突出目标特点、更具视觉效果的方式呈现在观测者面前，已经成为制约产业发展的关键核心技术，是光学设备相关从业人员急需解决的课题；本文通过构建实时去雾系统的硬件环境，描述基于GPU加速器的图像实时去雾方法，解决了雾霾环境下光学设备成像不清晰的问题，并通过试验验证了该系统对1080p的SDI图像进行实时去雾处理的效果。从试验结果可以看出该系统去雾效果明显，实时处理能力强，具有较好的应用前景。

GPU加速器；去雾；光学设备，SDI，暗原色先验。

近年来，随着成像技术的飞速发展，光学设备使用了越来越多的先进探测器；除了完成传统测量以外，对影像的清晰展示逐渐成为光学设备的一项重要功能。但由于雾霾的影响，使对气象条件极其依赖的光学设备很难获取清晰的图像，如何将实时影像进行处理，去掉雾霾影响，以更加清晰、更能突出目标特点、更具视觉效果的方式呈现在观测者面前，已经成为制约产业发展的关键核心技术，是光学设备相关从业人员急需解决的课题。

只有综合提高以上技术的整体水平，并将各技术有效的结合在一起，建立整套的图像优化体系，才能从根本上改进光学设备成像的视觉效果，让客户满意，提高光学设备的整体竞争力。基于GPU加速器的图像实时去雾系统就是在这种思想指导下建立起来的。

1　去雾系统硬件平台

整个系统的硬件平台由一台图形工作站、一块NVIDIA Tesla K20 GPU 加速器、一块图像采集卡、多块SDI图像输出卡组成。输出卡数量依据实际需输出图像路数确定。工作站与各光纤图像采集卡采用PCI-E总线连接。

图形工作站平台在选用kontron的EATX V2 X9DR3工业图形服务器或同等性能产品作为计算机平台，CPU配置为Intel Xeon E5-2658，10核心64位2.4GHz处理器，板载3个PCIE×8及3个PCIE×16插槽。图形工作站配备多点触控显示器，选用优派TD2420 多点触控显示器。

图像输出卡采用Blackmagic DeckLink Quad（该卡可同时支持四路SDI输出，采用PCI-E×4接口。配有4路 SDI输出接口，可在SD/HD-SDI格式间切换使用。

采用基于NVIDIA Kepler™架构的NVIDIA Tesla K20 GPU 加速器。这款加速器针对并行计算而设计，可提供独有的计算性能。

由以上硬件平台可以看出，硬件平台具有一定的先进性与成熟性，可以保证图像去雾系统的高实时处理能力。

2　软件环境与去雾算法

应用软件采用C++语言结合DirectX Compute及TBB进行多核心多线程软件开发，采用OpenCV及自研图像处理算法完成对图像的各类处理。

操作系统：采用Windows7-64bit专业版操作系统。开发环境：Visual Studio 2010+OpenCV2.4.10+TBB+Di rectX11。

软件运用GPU （图形处理器）搭配CPU来加速图像处理，程序的串行部分在CPU上运行，并行部分在GPU上运行完成，组成协同处理环境，大幅提高计算性能，能够实现多路数字图像的实时增强处理。

大气能见度较差的情况，会给成像系统带来相当大的干扰。它不仅会降低图像的对比度，使图像出现颜色失真，而且会使图像模糊不清。这是由于气溶胶的存在，如灰尘、雾沫、烟雾使光偏移了原来的传播路径。气溶胶粒子在成像的过程中，其散射后的成像又会发生多次散射，这样多种散射光叠加在一起成像时，图像就产生了一定程度的模糊，这种模糊图像不仅带来了很差的视觉效果，同时也给图像的分析工作带来了诸多不便。

根据大气散射模型可以建立雾天降质图像的数学模型，通常用如下等式来表示雾天图像的形成机制。

式（1）中，I为成像设备观测到的含雾图像强度，x为像素点对应坐标，J为无雾条件下场景光强度，t为场景光的透射率，即场景反射光在经过介质散射后到达成像设备的比率，A为空中大气光强度。图像去雾的目的就是通过已得的I求出J。

景物距离的增加会导致雾气影响增大，即透射率t是一个变化的参数，暗原色先验规律的发现为动态估算t提供了良好的参考。暗原色先验可描述为：在无雾图像的非天空局部区域里，总存在一些像素点在至少一个颜色通道的值很低，即所谓的暗原色，这些暗原色通常来源于图片中的阴影、颜色鲜艳或亮度较低的区域，其数学表达式为：

式（2）中，Jc为图像J的某个颜色通道值，Ω（x）是以x为中心的一个局部区域，原文中被取为15× 15的方形区域，Jdark为所得的暗原色，其值通常会很低并趋于0，这个规律就叫做暗原色先验。基于GPU加速的图像去雾系统采用暗原色先验去雾算法进行去雾处理，能够提高图像的视觉效果，不考虑图像退化的原因，选择性突出有意义的信息，抑制无效信息，以此改善图像的视觉效果。

3　实验数据

采用上述平台与方法分别在城市雾霾环境，海边水雾环境进行试验，采用日立DK-H100相机作为图像采集设备，这是一款3CCD高清广播级SDI相机。图1为在城市环境下去雾效果演示。

图2、图3为海边环境下去雾前后效果比对。

试验验证了该系统对实时图像的去雾处理效果明显，使图像的细节更加清晰，更能突出所要观察目标的特点。

4　结论

本系统采用了GPU加速器，建立起GPU-CPU协同处理环境，以保证系统的实时处理能力，通过对系统去雾能力的验证，可以看出该系统去雾效果明显，实时处理能力强，可以广泛用于各类监控光学设备的去雾与实时增强处理，具有较好的市场应用前景。

［1］刘春香，郭永飞，李宁，等.基于DSP的嵌入式实时图像增强系统［J］.计算机测量与控制，2013，21（2）：529-531.

［2］王彬，何昕，魏忠慧.采用单目标图像特征直线的飞机姿态估计［J］.计算机测量与控制，2013，21（2）：473-476.

［3］张涛，乔彦峰.基于ASPI和SCSI的高速视频存储系统［J］.计算机测量与控制，2010，18（6）：1380-1382.

［4］刘溪，陈凌峰，周敏，等.基于数字图像处理技术的球压测试压痕自动测量［J］.计算机测量与控制，2010，18 （6）：1262-1265.

V557+.4

A

1674-6708（2015）152-0152-02