中文引用格式： 郝振中，余耀，孫靜. 基于FPGA的視頻圖像去霧算法的優化與實現[J]. 電子技術應用，2024，50(5)：90-96.
英文引用格式： Hao Zhenzhong，Yu Yao，Sun Jing. Optimization and implementation of image defogging algorithm based on FPGA[J]. Application of Electronic Technique，2024，50(5)：90-96.
引言
自然環境中空氣濕度高，地面溫度較低時水汽遇冷形成霧。在日常生活中人們獲取信息大部分是來自于視覺對圖像的采集，霧霾場景中由于存在著大量大氣顆粒，在散射作用下會導致人們無法清晰獲取圖像信息，攝像機采集到的圖像會有對比度低、可見度差、顏色失真等質量降低情況[1]。隨著科技的發展，圖像處理廣泛應用于醫療、交通、軍事、遙感等領域[2]，而圖像去霧作為一種重要的圖像預處理方法成為當下熱點。
圖像去霧是通過去霧技術獲取圖像中的高頻部分，將模糊的圖像復原成圖像的本質場景。關鍵在于去霧算法和實現平臺兩方面?，F階段圖像去霧算法主要有兩種：（1）圖像增強[3]。該途徑通過增強圖像的對比度、色彩、邊緣等方面達到增強圖像清晰度的效果。CLAHE算法[4]可以增強圖像對比度，但會減少圖像的灰度級以及信息熵的問題。張彩珍等人[5]提出使用tanh函數替換多尺度 Retinex算法中的對數函數，處理后圖像更加清晰自然，但圖像增強邊緣處有光暈產生。Jeevan等人提出了一種在小波域中進行Gabor濾波和中值濾波，在空間域進行AHE算法處理[6]。定量分析和視覺檢查都表明，所提出的圖像增強方法給出了更好的結果。（2）圖像修復[7]。該方法從圖像質量下降方面出發建立霧天圖像模型，獲取影響圖像質量的變量并計算最優值，將有霧圖像復原為無霧場景下的圖像。何凱明[8]等人提出基于暗通道先驗理論的圖像去霧算法，大幅度提高了圖像去霧的質量，但是當處理圖像的場景亮度與背景亮度相似時算法會失效。近些年，科研人員使用導向濾波等方法[9]解決暗通道先驗理論的不足，算法計算量大，無法滿足圖像去霧的實時性需求。隨著計算機視覺的深入研究，利用深度學習完成圖像去霧逐漸成為一種有效的手段[10]。深度學習運算量巨大，但最大程度地保留了圖像的細節。
本文詳細內容請下載：
http://www.cowatch.cn/resource/share/2000005994
作者信息：
郝振中1，余耀2，孫靜1
（1.安徽新華學院 電子工程學院/智能制造學院，安徽 合肥 230088；2.無錫學院 電子與信息工程學院，江蘇 無錫 214063）
