论文部分内容阅读
针对夜间有雾天气，场景中的大气光照强度比较微弱且含有人工光源，此时主光源为人工光源，有雾图像的大气光值不再为一个固定值，而是由人工光源位置不同而发生改变的大气光函数，为此本论文基于高斯滤波和信息损耗理论约束提出改进的夜间实时去雾算法，该算法处理后图像信息质量显著提高，有效提升图像的清晰度和对比度，并在此基础上优化算法达到快速去雾效果，具有高实时性。同时针对高清摄像头在有雾场景中拍摄视频所得到的图像画面质量降低、图像数据量较大，并且需要实时去雾处理与网络传输的问题，本论文以优化本文所提出的夜间视频图像实时去雾算法为核心，使用H.264标准对视频数据进行压缩编码，通过UDP组播协议网络传输，采用多任务绑定多核处理器的并行处理算法，建立一种夜间视频实时采集、去雾、压缩以及网络传输系统。该系统性能较为优越，兼备高质量和高稳定的特点。本论文主要研究工作的具体情况如下： 1、本文通过学习夜间有雾场景中雾成像特性，研究和分析多种经典图像去雾算法的去雾原理和实验效果，建立适用于夜间含人工光源场景的大气传输模型，基于高斯滤波函数估计随光源位置变化而改变的大气光函数，根据信息损耗理论调整有雾图像中大气传输透射率，并采用快速中值滤波细化大气传输透射率，提出改进的夜间实时去雾算法，实现快速高效地对夜间有雾图像进行去雾处理。 2、本文采用Cortex-A9架构的i.MX6Quad四核处理器芯片，在以Linux内核为操作系统搭建的软件开发平台中，通过驱动和使用OV5640高清图像传感器设备，采集视频图像数据，优化基于高斯滤波和信息损耗理论的去雾算法，使用硬件编解码单元对视频数据进行H.264格式的压缩编码操作，并通过UDP组播协议将压缩后的视频数据进行网络传输，最后在上位机端完成实时显示。 3、本文嵌入式系统中采用多核处理器并行算法，将系统中的视频数据采集、快速图像去雾、VPU视频压缩编码以及UDP网络传输等多项任务绑定到处理器的不同核心上，充分利用系统资源，提高嵌入式系统的总体性能。 在本文提出的去雾算法和嵌入式系统基础之上进行仿真实验，与各种经典和改进后的去雾算法实验结果相比，本文算法对有雾图像恢复程度较高，处理后图像色彩自然，去雾效果较好，能够高效和实时地应用在嵌入式系统中。