基于数字信号处理技术的红外夜视行车图像的处理

,

(芜湖职业技术学院信息工程学院，安徽 芜湖 241006)

0 引 言

图像技术在近十年内快速发展，红外成像技术趋近于成熟，由于红外技术的大气穿透等特性[1]，人们在夜视功能的实现方面也越来越多的用到红外线，比较常见的是使用主动式红外夜视技术成像[2]，其原理是通过主动式红外光源发射体发出红外光照射到物体上并由物体反射[3]，再使用相关设备采集物体反射的红外光并处理来形成对应的夜视图像。使用主动式红外车载夜视仪可以增强司机在夜晚的视觉捕捉能力[4]，增加司机视距，提升夜晚的行车安全。

设计了一款车载的主动式红外夜视系统[5]，其原理为使用CCD摄像机进行红外反射光的捕捉，并将捕捉的红外信号通过TI公司的数字信号处理(DSP)芯片还原成最终的数字图像，最后通过显示装置进行输出，设计原理如图 1所示。

该红外夜视系统在搭建完成后，当CCD摄像机捕捉红外反射光形成的夜视图像直接输出在显示器中时[6]，由于图像噪声较大，造成了图像质量不高的问题[7]，如图 2所示。在夜晚会车等情况下会产生“白屏”问题，如图 3所示。

图 2显示系统最后输出的图像中会出现点状瑕疵[8]，这种点状瑕疵被称为图像噪声，会降低图像的显示效果。图 3显示会车过程中系统形成的图像中表示光亮的白色区域掩盖了双方车身的侧面及后方的信息，这种现象被称为“白屏”[9]，严重影响司机的夜视视野。这些不良的影响会使得司机不仅无法从夜视图像中获得更好的视距信息，还可能因为图像质量问题造成误判而发生交通事故。

首先设计解决方案，然后对解决方案进行实现，最后与解决前的效果进行比较并得出结论。

图1 主动式红外夜视系统原理

图2 有噪声的图像

图3 产生“白屏”的图像

1 解决方案的设计

需要解决的问题有两个，一是图像去噪声，二是解决图像白屏，这些问题都需要通过图像增强技术对夜视图像进行处理来解决。

图像增强技术可以使用频率域增强法、空间域增强法等[10]，均是针对图像的基本元素，如像素、灰度值等进行的算法变换手段。对图像进行增强的方式有图像复原和局部增强两种，图像复原方式可以对图像整体的色彩和细节部分进行增色和平滑处理，使其接近原始图像；局部增强方式会对图像中需要被获取相关图像信息的重点部位进行针对性的增强，突出其特征，保证重要信息的吸收。根据两个问题各自的特点，准备使用图像复原中的某些技术解决图像去噪声问题，使用局部增强的方式解决图像白屏的问题。

Code Computer Studio(CCS)是TI公司专门为TMS320系列DSP的集成开发环境[11]，它支持C/C++和汇编语言混合编程，并可以很方便的对程序进行开发和调试。因此，使用CSS集成开发环境，将图像处理算法编写成相应的图像处理程序，对DSP中的数字图像进行了相关处理，具体解决方案如下。

1.1 图像噪声解决方案

经对设备的测试和分析，图像出现噪点原因有两点，一是由大气自身漂浮的颗粒灰尘引起的电子波散射、光波、热量等原因造成，二是由电子设备自身信号传输中干扰造成的噪声。该红外夜视系统的图像噪声主要以灰色、黑色、白色构成相间的亮暗点为主，这种类型的噪声又称为椒盐噪声，另外图像中也叠加了少量的高斯噪声和泊松噪声[12]。这些图像噪声可以使用中值滤波算法对其进行改进，解决方案的流程可以设计为如图 4所示。

图4 图像噪声解决方案流程

1.2 迎面光白屏解决方案

由图 3可以看出，因为迎面车的远光灯的效果，其车身周围都被车灯的光圈所笼罩，并且由于在很短的时间内接收的光过强，使整个屏幕的灰度发生改变，整个屏幕偏白，会掩盖车身及车后方的事物。白屏问题的关键在于画面的对比度降低，可以先降低图片流的灰度，并使用直方图均衡方法来增强对比度[13]。因此解决方案的流程可以设计为如图 5所示。

图5 白屏解决方案流程

图6 中值滤波流程

2 具体实现

2.1 图像去噪

中值滤波是对图像增强的处理方法中的一种，它被朱克于1971年提出，这种图像增强方法可以去除一些有明显灰度差别的的噪声，如椒盐噪声等。

以一维空间为例，中值滤波包括一个含有奇数个像素的窗口，那么窗口中间像素值由窗口中的中间像素代替[14]，即其离散数列可表示为:a1、a2、…、an，其中间值数列中含有(N-1)/2个元素比它小或和它相等。对于二维图像3*3的像素矩阵来说，可以在3*3中的像素中寻找中值。综上所述，如果重新排列中最大的像素值为单调递增序列中峰值，滤波就能起到很好效果。

但是由于视频中图像为动态，变化较快，如果对图像进行中值处理具有一定的延迟，因此本文对中值滤波算法进行改进，使用了一种能够快速进行中值滤波的方法并通过CCS编程实现[15]，具体流程见图 6所示：

快速中值滤波伪代码：

Input: image X of size m*n, kernel radius r. //设置m*n的像素矩阵和Kernel矩阵半径output: image Y as X. Initialize Kernel histogram H //初始化核心Kernel直方图 for i =1 to m do for j = 1 to n do for k=-r to r do//快速遍历像素 Remove Xi+k. j+r to H //删除扫描区域的像素值 end for Yi,j <- median(H) //取中值 end for end for

图7 灰度均衡算法流程图

2.2 迎面光对比度调整

根据迎面光白屏解决方案，首先需要调整输入图像的对比度，比较常用的方法是根据图像的灰度计算平均灰度，将其他灰度的像素点按与平均灰度的差值进行调整[16]。接着就需要通过直方图均衡算法去增强对比度。

直方图均衡也被称为灰度均衡，其中心思想是把一幅已知灰度概率分布的图像通过一定的数学手段的变换，让其的灰度具有均匀分布特征，以便使灰度更均匀的呈现，增加灰度值的动态范围，达到增强图像对比度的目的。

根据图像的累积分布函数的核心理论特征，可使用CCS编程将灰度比较集中的区域进行削减并变换到其他其他较广较散的区域中，使灰度的密集区域降低，并将灰度密集程度较少的像素区域的灰度值增加并拉匀，使得整个灰度数据分布平均化[19]。具体编程的算法[20]步骤如图 7所示。

直方图均衡伪代码如下：

Input: LPSTR RpBit,LONG Width , Height //输入图像指针,图像像素高和宽output: image Y as RpBit->X lLineBytes = WIDTHBYTES(Width * 8); //计算图像每行字节数 for i =0 to Height do for j = 0 to Width do GetlpSRC(RpBit);//计算各个灰度的计数 end for end forfor i =0 to 256 do for j = 0 to i do Temp=GetTemp();//计算灰度映射表 end forbMap[i]=(BYTE)(Temp*255/Height/Width);//计算对应的新灰度值 end for for i =0 to Height do for j = 0 to Width do SetlpSRC(bMap[*lpSrc]);//重新设置图像灰度 end for end for

图8 去噪后图像效果

图9 直方图均衡前后对比

3 测试结果

程序调试完成后，基于该主动式红外夜视系统环境进行调试，使用比较法，将去噪前图像(如图 2所示)和使用中值滤波算法后的图像(如图 8所示)进行对比，经比较，去噪后的图像存在的噪声被基本剔除，画面平滑，视觉效果较之前者较为舒适。

图10 灰度均衡后图像

接着针对迎面光的图像效果进行比较，经过对比发现，通过直方图均衡算法，原先图像(如图 9左边图所示)的灰度变得均匀(如图 9右边图所示)，而在图像上可以看出，处理后的车灯周围和车身、车后部位有些细节部分可以看清，因此可以对车内司机在会车时因迎面光影响而导致的视线不清问题有所改善，如图 10所示。

4 结 论

通过上述测试可得，图像增强技术在对夜视系统中的应用中可以对图像进行改善，有着非常重要的作用。通过改进的快速中值滤波算法，可以对动态的视频流图像进行很好的去噪方面的实时处理，通过直方图均衡可以增强对比度，改善白屏现象。因此，基于图像增强技术的红外夜视系统会让用户得到更好的用户体验。

参考文献：

[1] 林淑芬.车载主动式红外激光夜视成像系统的研究[D]. 厦门: 厦门大学, 2008.

[2] 陈新发,廖颖,杨柳彬. 新型汽车主动式红外夜视系统的研究与开发[J]. 红外, 2009, (2): 24-27.

[3] 陈浩.汽车最新科技之车载红外夜视系统[EB/OL]. http://auto.sina.com.cn/news/2009-04-05/1835478948.shtml.

[4] 吕立波. 穿透夜幕的火眼金睛——夜视技术的发展及应用[J]. 国外科技动态, 2000, (11): 34-38.

[5] 江自昊. 主动式车载红外夜视系统的设计与实现[J]. 德州学院学报, 2017, (33): 62-65.

[6] 韩卫华,钱光弟. CCD图像传感器新技术与发展方向[J]. 声屏世界, 2007: 70-71.

[7] 郭艳丽. 油井远程夜视监控系统的研究与设计[D]. 华东: 中国石油大学, 2009.

[8] C.L.Carrison, N.A.Foss. Non-uniformity compensation for staring infrared(IR) focal planes. SPIE, 1979, (178): 99-109.

[9] A.F.Milton, F.R.Barone, M.R.Krller. Influence of Nonuniformity on Infrared Focal Plan Array Performance. SPIE Opt.Eng, 1985, (5): 855-865.

[10] 张志群. 夜间拍照的图像增强算法研究[D]. 西安: 西安电子科技大学, 2014.

[11] 何斌. Visual C++数字图像处理[M]. 北京:人民邮电出版社, 2002.

[12] 钟振华,谭猛. 基于椒盐噪声的中值滤波改进算法[J]. 西部皮革, 2017,(6):25-28.

[13] M.M.Jonathan,D.S.Freeman,5.E.William,et al.ResPonsivity nonuniformity limited performance of infrared staring cameras.SPIE Opt.Eng.1989,28(11):1151-1161.

[14] 樊记明. 基于图像的扬声器焊点位置检测系统设计[D]. 上海: 东华大学, 2016.

[15] THOMAS S. HUANG. A Fast Two-Dimensional Median Filtering Algorithm[J]. IEEE TRANSACTIONS, 1979,(27):13-18.

[16] 紫鵺. 数字图像处理调整对比度的几种方法[EB/OL]. http://blog.sina.com.cn/s/blog_715b47c201015ier.html, 2012-08-03/2018-01-15.

[17] 李颖杰, 杨华, 王宝荣, 等. 一种改进的红外图像增强算法[J]. 红外, 2009, (7):45-48.

[18] 郝宝青. 智能车辆视觉导航中道路与行人检测技术的研究[D]. 哈尔滨: 哈尔滨工业大学,2006.

[19] 莫雨. 直方图均衡化(色调均化)[EB/OL]. http://blog.csdn.net/moyumoyu/article/details/7930423, 2012-08-31/2018-01-15.

[20] 江巨浪,张佑生,薛峰,等. 保持图像亮度的局部直方图均衡算法[M].电子学报, 2006, (5):861-866.