系统验证 - 基于赛灵思Virtex-4简要分析了图像自适应分段线性拉伸算法

3 系统验证

采用飞机高空采集的地面红外图像作为验证模板，灰度拉伸前的原始图像如图2所示，整幅图像对比度低，细节极不明显。最大、最小灰度值按5％的比例选取，拉伸后的图像如图3所示，拉伸后可明显看出河流、道路、汽车等地物的轮廓，但图像中较亮和较暗的部分层次不清晰。若减小灰度值压缩比例为2％，图像的主要轮廓变化不明显，较亮和较暗的部分将会显现出一定层次，这表明被压缩的区间相对变小，按比例拉伸的图像范围扩大。分段线性拉伸的结果可好可坏，分段区间的选择是关键，选取时要考虑原始图像的质量。噪声和盲元数目较少时，被压缩的区间可适当调小。

该设计充分利用Virtex-4 FPGA的逻辑资源，实现了红外图像的自适应分段线性拉伸，对FPGA芯片资源占用情况如表1所示。整个设计完全在FPGA中实现，能最大限度地减少分立元件的使用。降低了系统的整体功耗，设计周期和开发成本也就能随之减少。算法完全采用流水线设计思路，处理后的数据相对输入延时小于一个像素时钟周期，最高系统时钟可达128 MHz。设计的性能和实时性满足预期目标，可用于精确制导武器或导航系统。

 

4 结语

这里简要分析了图像自适应分段线性拉伸算法，利用Xilinx Virtex-4 FPGA丰富的片上资源实现了这一算法。通过实验对设计的有效性进行了验证，图像对比度有明显提高，噪声和盲元被抑制。但该算法具有局限性，仅适用于大目标的图像增强。在天文学、计算机视觉、动态景物分析、超声及声纳图像处理等领域中广泛存在着点目标红外图像，由于点目标无形状、尺寸等可利用的信息，处理时须存储多帧图像，数据处理量大。在做图像灰度级拉伸时，目标有可能被作为噪声而抑制掉，从而丢失有用信息，今后需要对点目标红外图像的增强方法做进一步研究。