彩色视频增强算法关键技术FPGA实现

彩色视频增强算法关键技术FPGA实现摘要：随着视频设备的高速发展，数字视频相关应用同样发展迅速，如监控设备、行车记录仪以及手机等电子产品。而如今数字视频图像增强的算法层出不穷，由于算法的复杂程度比较高，很难满足实时性这一基本的要求。讨论了基于Retinex模型的处理图像像素以及拉伸尺度可配置的关键技术，对关键模块进行实践以及仿真，最后将其通过FPGA实现（Virtex-5），系统时钟125MHz，可以满足30f/s的(2000×2048)像素的图像。0引言视频增强技术应用范围广泛，例如医疗电子、工业控制、消费电子以及深空探测。Retinex理论是由EdwinLand在1971年提出。基于Retinex模型的使用较为广泛的有单尺度Retinex算法(SingleScaleRetinex，SSR)、多尺度Retinex算法(MultiScaleRetinex，MSR)、带有颜色校正的多尺度Retinex算法(MultiScaleRetinexwithColorRestoration，MSRCR)，基于先验模型的算法如基于辩分框架的Retinex算法，但是这种算法的复杂度过高会消耗过多硬件资源，还不能在实际中得到很好的应用。而单尺度或多尺度Retinex算法对图像增强效果同样显著，多尺度Retinex算法的主要硬件结构就是单尺度Retinex算法硬件电路的重构。本文旨在视频增强算法硬件关键技术的研究，所以采取单尺度Retinex算法，然而对于这样的算法用CPU也不能满足其视频处理过程中实时性的要求，本文采用125MHz频率FPGA，可以满足30f/s的(2000×2048)像素的图像。本文主要讨论了基于Retinex的关键算法，基于图像像素可配置以及拉伸尺度可配置。提出针对可适应不同像素视频的硬件架构。实现对关键模块的设计和仿真，通过Virtex-5型号FPGA实现整个设计，最后评估算法的处理效果。1基于Retinex模型的视频增强算法图1为视频增强Retinex算法流程图。视频中的帧图像通过RGB将HSV转化成灰度帧图像V，色度帧图像S，饱和度帧图像H。估计照度帧图像，适当拉伸处理后得到光照分量V2以及反分量像V3。经过拉伸处理以及合成处理后的图像O即为处理完成的一帧图像。

1.1RGB转HSV由于RGB色彩空间图像直接处理会产生色彩失真，因此需要转换色彩空间。1.2提取光照图像和反色图像原帧图像I(x，y)能够被分解成两部分[2]。一部分是光照帧图像L(x，y)，另一部分为反射帧图像R(x，y)，如式（1）所示。本文采用高斯滤波器进行光照估计，将高频成分(图像的细节部分和噪声部分)滤掉。

1.3反射帧分量处理方法及光照分量的处理反射分量可以通过sigmoid函数进行非线性拉伸。以此可以很好地抑制噪声同时放大有用的细节成分。

1.4HSV图像到RGB图像转换RGB色彩空间是一种由红绿蓝三种色彩组成，用于显示器显示，所以将HSV图像转换为RGB图像。2视频增强硬件逻辑架构自适应视频增强VLSI架构如图2所示，图2中框内为FPGA实现部分，框外的部分由MATLAB实现转换。本系统由decoder模块对内部配置寄存器进行配置，主要任务是配置处理图像像素。SRAM_interface是SRAM连接外部图像数据流的缓冲，SRAM内部分配两个存储空间用来对视频数据乒乓操作。滤波器采用的是改进型的二维滤波器。本滤波器可以适应不同像素图片滤波较高的处理速度。由滤波器估计光照图像同时由于对数运算和减法的复杂程度相对较高，并且使得亮度较高像素失真，本文采用较高精度除法器得到反射图像。同时通过两个拉伸函数处理经过乘法器得到增强后的图像，经由HVSRGB还原成RGB图像。

2.1改进后的滤波器模块本文基于文献[3][4]提出了一个可配置处理像素大小和具有较好的时序特征的二维滤波器。架构如图3所示。本文的滤波器分为3部分，第一部分的作用是将两个8位的数据合并成一个16位的数据，并依次写入不同FIFO。第二部分是可配置的FIFO，通过配置内部寄存器来配置FIFO的深度，给不同行的滤波器窗写数据。第三部分为滤波器窗口，将16位数据转换成8位写到滤波器窗两个像素点，下一个周期将这两