羅正華, 孟　源, 袁海粟

(1.成都大學(xué) 信息科學(xué)與工程學(xué)院， 四川 成都　610106； 2.電信科學(xué)技術(shù)第五研究所， 四川 成都　610062)

?

基于改進(jìn)引導(dǎo)濾波的實(shí)時(shí)紅外圖像去噪研究

羅正華1, 孟源1, 袁海粟2

(1.成都大學(xué) 信息科學(xué)與工程學(xué)院， 四川 成都610106； 2.電信科學(xué)技術(shù)第五研究所， 四川 成都610062)

摘要：針對紅外圖像對比度低、邊沿模糊、圖像噪聲明顯以及去噪算法復(fù)雜度普遍高的缺點(diǎn)，提出應(yīng)用于紅外圖像去噪的改進(jìn)的引導(dǎo)濾波算法，并與傳統(tǒng)的引導(dǎo)濾波去噪算法進(jìn)行對比，以驗(yàn)證該算法提高圖像質(zhì)量的能力與算法處理的效率.該方法利用Sobel濾波代替?zhèn)鹘y(tǒng)引導(dǎo)濾波求統(tǒng)計(jì)特征的方法來獲取圖像特征，在保證去噪效果的前提下，極大簡化了算法復(fù)雜度，并移植該算法至TMS320C6748DSP平臺進(jìn)行測試.實(shí)驗(yàn)結(jié)果表明，程序經(jīng)優(yōu)化后，達(dá)到實(shí)時(shí)處理的要求.

關(guān)鍵詞：紅外圖像；實(shí)時(shí)處理；引導(dǎo)濾波；Sobel濾波；TMS320C6748DSP

0引言

紅外圖像的實(shí)質(zhì)是用像素的灰度值來反映溫度的幅值，利用紅外探測器采集的紅外圖像內(nèi)容主要是以背景為主，在背景區(qū)域內(nèi)，各物體之間的溫度差很小，在采集的圖像上表現(xiàn)為對比度低、邊沿模糊以及環(huán)境信息不易被人眼所識別[1].為提高紅外圖像質(zhì)量，必需采用紅外圖像增強(qiáng)方法，但提高圖像對比度的同時(shí)也放大了圖像噪聲.因此，圖像去噪是紅外圖像處理中必不可少的環(huán)節(jié)[2-3].為進(jìn)一步提高紅外圖像質(zhì)量，學(xué)者們提出了各種圖像去噪方法[4-8].上述方法都具有較好的去噪效果，但是，這些算法的提出均只考慮去噪效果，并沒有提到算法的實(shí)時(shí)實(shí)現(xiàn)性.在此基礎(chǔ)上，本研究分析了引導(dǎo)濾波算法[2]，并在保持其去噪能力的前提下，提出了一種改進(jìn)的引導(dǎo)濾波設(shè)計(jì)，本算法具有更低的算法復(fù)雜度.

1引導(dǎo)濾波去噪

引導(dǎo)濾波是一種局部線性模型，屬于自適應(yīng)線性濾波的一種[2，8].引導(dǎo)濾波利用引導(dǎo)圖像與輸入圖像的統(tǒng)計(jì)特征，為中心像素鄰域內(nèi)的像素權(quán)值分配做導(dǎo)向，根據(jù)得出的權(quán)值求出中心像素的值.輸入圖像本身也能作為引導(dǎo)圖像.將圖像本身作為引導(dǎo)圖像的引導(dǎo)濾波，一般用做邊緣保持的模糊操作，此方式可用于紅外圖像去噪[9]，而且在圖像邊緣處有較好的表現(xiàn).

引導(dǎo)濾波算法對引導(dǎo)圖像與輸出圖像之間提出了如下線性模型的假設(shè)，即輸出圖像是引導(dǎo)圖像的線性變換，

qi=ak×Ii+bk,?i∈ωk

(1)

式中，ak和bk是濾波窗口wk的線性系數(shù)，濾波窗口的半徑為r.

由假設(shè)模型可以得出，

Δq=ak×ΔI

(2)

式中，Δ表示像素與臨近像素之間的變化量.由式(2)可知，輸出圖像與引導(dǎo)圖像之間為線性關(guān)系，且輸出圖像的處于邊緣特征的像素幅值由線性系數(shù)ak決定，因此，式(1)的假設(shè)使引導(dǎo)濾波具有邊緣保持的效果.

為了確定線性系數(shù)ak和bk，引導(dǎo)濾波算法將噪聲模型確定為加性噪聲模型，

qi=pi-ni

(3)

式中，q為輸出圖像，p為輸入圖像，n為噪聲分量.

圖1為引導(dǎo)濾波算法原理圖.根據(jù)圖1，結(jié)合式

圖1引導(dǎo)濾波原理示意圖

(1)和(3)，在保持線性模型的前提下，可以得出噪聲能量為，

(4)

式中，ε是ak的正規(guī)劃參數(shù).

要實(shí)現(xiàn)圖像去噪，必需E(ak,bk)盡量小.為此，需要根據(jù)輸入圖像p和引導(dǎo)圖像I來確定合適的ak與bk，

(5)

(6)

由于像素i與所有覆蓋i的濾波窗口相關(guān)，當(dāng)用不同的窗口計(jì)算時(shí)，窗口所覆蓋的輸入圖像像素值pi的值是不相同的.在濾波窗口中，采用對所有重疊i的濾波窗口的值求平均，即，

(7)

(8)

對線性系數(shù)ak與bk分別求平均，輸出圖像變化量q與引導(dǎo)圖像變化量I之間已經(jīng)不再是線性關(guān)系.在線性系數(shù)與經(jīng)過了均值模糊后，輸出圖像變化量q為，

Δq≈ak×ΔI

(9)

此意味著，引導(dǎo)圖像I中的邊緣特征處的像素值的幅度變化可以大部分被輸出圖像q保存.

為將引導(dǎo)濾波應(yīng)用于紅外圖像去噪，本研究選定輸入圖像p等于引導(dǎo)圖像I，此時(shí)有，

(10)

bk=(1-ak)×μk

(11)

2改進(jìn)的引導(dǎo)濾波

2.1算法改進(jìn)思路

本研究根據(jù)引導(dǎo)濾波的算法原理對算法進(jìn)行改進(jìn)，避免原算法極高的算法復(fù)雜度，在保證算法的效果的前提下，使算法易于在DSP上實(shí)現(xiàn)，并且達(dá)到實(shí)時(shí)處理的要求.

對引導(dǎo)濾波算法進(jìn)行分析發(fā)現(xiàn)，算法主要的運(yùn)算量來源于對線性系數(shù)a與b的確定.根據(jù)引導(dǎo)濾波算法原理，輸出圖像的像素值由線性系數(shù)a、b和引導(dǎo)圖像的像素值得出.其中，a值的值域?yàn)閇0,1]，取值決定引導(dǎo)圖像的比例；b值的值域?yàn)閇0,255]，取值決定圖像平滑的比例；參數(shù)a是關(guān)于鄰域內(nèi)像素方差的增函數(shù).當(dāng)在平滑區(qū)域，濾波窗口內(nèi)像素值的方差很小，因此，a值相對很小，b值相對很大，像素輸出主要由此濾波窗口平滑后的值決定.相反，當(dāng)在圖像邊緣特征明顯的區(qū)域，輸出值主要由引導(dǎo)圖像決定.所以，圖像濾波之后達(dá)到在平滑區(qū)域噪聲的去除及邊緣區(qū)域的邊緣保持.據(jù)此，改進(jìn)的引導(dǎo)濾波算法步驟如下：

1)對輸入圖像進(jìn)行3×3的中值濾波的預(yù)處理，減小椒鹽噪聲產(chǎn)生的偽邊沿，

medianI=fmedian(I)

(12)

式中，fmedian為對圖像進(jìn)行中值濾波.

2)對預(yù)處理后的圖像進(jìn)行Sobel濾波與均值濾波，確定a值，

sobelI=fsobel(medianI)

(13)

a=fmean(sobelI)

(14)

式中，fmean為對圖像進(jìn)行均值濾波，fsobel為對圖像進(jìn)行Sobel濾波.

3)對輸入圖像進(jìn)行均值濾波，并得出b值，

meanI=fmean(I)

(15)

b=(255×meanI-a×meanI)?8

(16)

式中，fmean為對圖像進(jìn)行均值濾波.

4)得出去噪圖像，

q=a×I+b

(17)

2.2算法改進(jìn)后的去噪結(jié)果

圖2為原始的含噪圖像，圖3與圖4分別為使用引導(dǎo)濾波算法和改進(jìn)的引導(dǎo)濾波算法得出的去噪圖像.

圖2含噪的紅外圖像

由圖3與圖4對比可知，2種濾波都具有較好的邊緣保持效果，而且引導(dǎo)濾波算法的去噪性能在視覺上更優(yōu).但是，由于引導(dǎo)濾波是基于對窗口的統(tǒng)計(jì)特征決定對噪聲的去除程度，而改進(jìn)的引導(dǎo)濾波算法是利用Sobel濾波確定突出的圖像邊緣特征，Sobel算子是基于像素的， 因此，距離突出的圖像邊

圖3引導(dǎo)濾波算法去噪后的圖像

圖4改進(jìn)的引導(dǎo)濾波算法去噪后的圖像

緣特征濾波窗口半徑的區(qū)域內(nèi)，引導(dǎo)濾波算法處理后的圖像噪聲保留較多，而改進(jìn)的引導(dǎo)濾波去噪效果更優(yōu).通過上述分析可知，改進(jìn)的引導(dǎo)濾波算法的算法復(fù)雜度低且具備較好的去噪能力，能滿足對紅外圖像實(shí)時(shí)處理的要求.

3實(shí)驗(yàn)與分析

3.1算法優(yōu)化

紅外圖像預(yù)處理模塊輸入的紅外圖像為320×256分辨率的單通道圖像，占用存儲空間為80KB.

由改進(jìn)的引導(dǎo)濾波去噪算法的實(shí)現(xiàn)流程可知，計(jì)算去噪結(jié)果圖像的數(shù)據(jù)需要中值濾波預(yù)處理后的圖像數(shù)據(jù)、均值濾波后的圖像數(shù)據(jù)和Sobel濾波后的圖像數(shù)據(jù)，并根據(jù)3幅圖像數(shù)據(jù)得出去噪輸出.在存儲資源的分配上，由于內(nèi)部存儲空間有限，將圖像數(shù)據(jù)以4B對齊的方式存儲在DDR外部存儲器，并且將內(nèi)部L2的256K全部配置成Cache.

存儲資源的開辟與Cache的配置的代碼為：

#pragma DATA-ALIGN(Gray,4);

unsigned char Gray[81920];

#pragma DATA-ALIGN(MEDIANGREYimage,4);

unsigned char MEDIANGREYimage[81920];

#pragma DATA-ALIGN(BLURGREYimage,4);

unsigned char BLURGREYimage[81920];

#pragma DATA-ALIGN(SOBELimage,4);

unsigned char SOBELimage[81920];

//使能緩存L1及L2

CacheEnableMAR((unsigned int)0xC0001000,(unsigned int)0x08000000);

CacheEnable(L1DCFG-L1DMODE-32K|L1PCFG-L1PMODE-32K|L2CFG-L2MODE-256K);

在程序的優(yōu)化上，中值濾波、Sobel濾波和均值濾波均調(diào)用TI的圖像處理庫.函數(shù)調(diào)用程序如下，

//中值濾波

for (j=0;j

IMG-median-3x3-8( & Gray [WIDTH*j],WIDTH, &

MEDIANGREYimage [WIDTH*j]);

}

//Sobel濾波

IMG-sobel-3x3-8 (MEDIANGREYimage,SOBELimage,WIDTH,

HEIGHT);

//5x5均值濾波

for (j=0;j

IMG-conv-5x5-i8-c8s ( & Gray [WIDTH*j], &

BLURGREYimage [WIDTH*j],WIDTH-4,pitch,mask-ptr shift);

}

在獲得去噪圖像的最后一步計(jì)算中，一次讀取并處理4 B，可明顯提高算法效率，其關(guān)鍵代碼如下：

for(i=0;i

temp4=-sub4(*temp2++,*temp1++);

*ltemp=-mpysu4ll(temp4,*temp3++);temp4=(temp

[1]?24) & & (temp[3]?16) & & (temp[5]?8) & & temp[7];

*result++=-add4(temp4,*temp1);

}

3.2實(shí)驗(yàn)分析

在測試中，將移植改進(jìn)的引導(dǎo)濾波算法至TI的TMS320C6748DSP評估板，并在評估板上對320×256分辨率的單通道紅外圖像進(jìn)行圖像去噪，測試結(jié)果如圖5所示.

圖5紅外圖像去噪算法測試結(jié)果

實(shí)驗(yàn)結(jié)果顯示，程序經(jīng)優(yōu)化后，對于單幅圖片，改進(jìn)的引導(dǎo)濾波算法在DSP平臺的運(yùn)行耗時(shí)為14 ms，幀率為71 frame/s，達(dá)到實(shí)時(shí)性的要求，且圖像去噪效果與PC的仿真結(jié)果一致.

4結(jié)論

本研究利用引導(dǎo)濾波進(jìn)行紅外圖像去噪，針對傳統(tǒng)的引導(dǎo)濾波高復(fù)雜度的缺點(diǎn)，利用Sobel濾波代替求統(tǒng)計(jì)特征的方法來獲取圖像特征，極大降低了算法復(fù)雜度，并且將改進(jìn)后的算法移植至TMS320C6748DSP平臺.實(shí)驗(yàn)測試結(jié)果表明，程序經(jīng)優(yōu)化后，算法運(yùn)行達(dá)到了實(shí)時(shí)性的要求，在對有實(shí)時(shí)性要求的場合，此算法具有一定的實(shí)際應(yīng)用價(jià)值.

參考文獻(xiàn)：

[1]于雷.紅外圖像預(yù)處理算法研究及硬件實(shí)現(xiàn)[D].南京：南京理工大學(xué),2010.

[2]He Kaiming,Sun Jian.Tang Xiaoou.GuidedImageFiltering[C]//11thEuropeanConferenceonComputerVision(ECCV2010).Crete,Greece:Springer,2010.

[3]王峰.圖像引導(dǎo)濾波器在單幅圖像復(fù)原中的應(yīng)用[D].合肥：合肥工業(yè)大學(xué),2012.

[4]王峰.紅外圖像預(yù)處理算法研究與實(shí)現(xiàn)[D].長春:長春理工大學(xué),2012.

[5]Texas Instruments Incorporated.TMS320C6748Fixed-andFloating-PointDSP[EB/OL].[2014-3-21].http://www.ti.com/lit/ds/symlink/tms320c6748.pdf.

[6]李凱.基于TMS320C6748高速DSP信號處理模塊設(shè)計(jì)[D].哈爾濱:哈爾濱工程大學(xué)，2007.

[7]郭強(qiáng),張斌.基于DMA的DSP-Cache優(yōu)化[J].電氣電子教學(xué)學(xué)報(bào),2013,42(9):2299-2304.

[8]李娜,高弘霞,劉勝文.地面景物紅外可見光圖像差異性研究[C]//第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集(下冊).天津：中國宇航學(xué)會光電技術(shù)專業(yè)委員會，2010.

[9]汪安民,周慧,蔡湘平.TMS320C674XDSP應(yīng)用開發(fā)[M].北京：北京航空航天大學(xué)出版社,2011.

Real-time Infrared Image Denoising Based on Improved Guided Filter

LUOZhenghua1,MENGYuan1,YUANHaisu2

(1.School of Information Science and Engineering, Chengdu University, Chengdu 610106, China;2.The Fifth Research Institute of Telecommunication Technology, Chengdu 610062, China)

Abstract:Due to the low contrast,blurred edge and insufficient image noise of infrared images,and the highly complex denoising algorithms,the paper proposes an improved guided filter algorithm applied in infrared image denoising.Compared with the traditional guided filter denoising algorithm,the paper validates the ability and the efficiency of this algorithm to improve the quality of the image.The method adopts Sobel filter instead of the traditional guided filter for the statistical characteristics of the image to obtain the image features so as to greatly simplify the complexity of the algorithm while assuring the denoising effects.The algorithm is transplanted to the TMS320C6748DSP platform for testing.After optimization,the algorithm meets the requirements of real-time processing.

Key words:infrared image;real-time processing;guided filter;Sobel filter;TMS320C6748DSP

中圖分類號：TP391.41；TN911.73

文獻(xiàn)標(biāo)志碼：A

作者簡介：羅正華(1966 — )， 男， 碩士， 高級工程師， 從事計(jì)算機(jī)通信與信息系統(tǒng)研究.

基金項(xiàng)目：國家自然科學(xué)基金(61173121)資助項(xiàng)目.

收稿日期：2015-12-27.

文章編號：1004-5422(2016)01-0049-04