摘要：水下激光距離選通成像中要對水下距離選通圖像進行增強處理。水下圖像通常具有噪聲大、對比度差、照度不均勻的特點。通過分析水下圖像的成像特點，針對引起圖像降質的因素進行增強算法設計，提出了基于幀疊加去噪與雙平臺直方圖變換相結合的視頻增強算法。可實現目標信息增強的同時抑制背景，將目標和背景區別處理。算法以Xilinx 公司的XC5VLX50T 系列FPGA 芯片為核心，使用到了軟核Microblaze、片內BLOCKRAM、外部SRAM 等資源設計硬件系統，并已在水下選通成像系統中得到有效應用。

?

0 引言

水下激光距離選通成像技術是當下較為成熟的水下光電成像技術之一，對于提高水下成像系統的成像質量具有良好的效果。水下距離選通成像技術的應用，可以將水下光電成像設備的探測距離提高3～5倍。在水下激光距離選通技術的基礎上，選取適當的水下圖像增強技術，將會使整個選通成像系統的成像質量得到大幅提升[1-3]。實時視頻增強技術在水下激光距離選通成像設備上的應用，對激光選通成像技術的小型化應用有著非常重要的意義。

1 水下選通圖像特點分析

水下距離選通圖像通常存在噪聲量大、對比度差、照明不均勻的特點。①噪聲量大：ICCD 中像增強管的使用雖然起到了圖像增強效果，但也為選通圖像引入了一定的電噪聲和光學噪聲[4]。②對比度差：當距離選通成像設備達到探測極限時，盡管距離選通圖像上目標區域的灰度值和背景區域的灰度值具有一定的差異，但由于差異過小、對比度較差，人眼很難直接區分。③照明不均勻：當激光照明光斑面積小于目標面積時，光斑內的目標會非常明亮，光斑外由激光的前向散射光照亮的區域則會顯得異常暗淡，不利于人眼觀察。

2 水下距離選通圖像增強算法仿真、對比

2.1 雙平臺直方圖均衡化算法

直方圖均衡化是從直方圖數據的角度，對原始圖像的對比度進行調整。這種方法多用來提高圖像的局部對比度，當圖像的灰度分布較集中時，該處理方法效果最為明顯。

雙平臺直方圖均衡化[5]是直方圖均衡化算法的優化算法，該方法的特點是在統計直方圖時，對特定灰度級上的像素點個數設置2 個閾值，該閾值稱為平臺值，即：

式中：k 為當前統計到的灰度級；P(k)為直方圖統計表中的累計直方圖；nk 為某個灰度級上的像素點個數；Nth1、Nth2 為平臺閾值；Np 為使用平臺法處理后的平臺像素總數（平臺像素總數并不等同于實際圖像像素數N）。其中，閾值Nth1 用于抑制背景，當某個灰度級像素個數超過該閾值時，算法認為此灰度對應的是背景。此時，該灰度級的統計數將維持在Nth1不變，以減小該灰度值對直方圖的影響。閾值Nth2用于防止細節信息丟失，當某個灰度級上像素個數小于閾值Nth2 時，算法認為該部分灰度是有效細節信息部分。此時，該灰度級的統計數將被提升到Nth2，從而增大該灰度值對直方圖的影響。

在對比度較差的水下激光距離選通圖像處理時，閾值Nth1 起主要作用；在照明不均勻的距離選通圖像處理時，閾值Nth1 用于抑制背景，閾值Nth2 用于減少激光光斑內的細節信息丟失。

2.2 增強仿真效果主觀對比與評價

為了分析對比不同增強算法的效果，圖1 給出了基于實際水下激光距離選通圖像及其軟件算法增強圖像，其中，圖1(a)為4 幀疊加去噪[6]后的水下距離選通圖像，圖1(b)為線性拉伸[7]處理圖像，圖1(c)為對數拉伸處理圖像，圖1(d)為全局直方圖均衡化處理圖像，圖1(e)為局部直方圖均衡化處理[8]圖像，圖1(f)為雙平臺直方圖均衡化處理圖像。

結果表明：經過增強后，原始圖的對比度都得到了不同程度的提升，但使用不同的增強算法處理后，增強效果差異較為明顯。圖1(b)的缺點是激光照射處的靶標信息在增強后，出現了淹沒現象；圖1(c)在增強后光斑中心出現了飽和現象；圖1(d)盡管整個畫面的對比度得到了增強，但是噪聲也被增強，不利于人眼觀察；圖1(e)光斑內細節信息沒有丟失，有不錯的增強效果，但圖像整體偏暗；圖1(f)可觀察到整個靶標的邊緣信息清晰可見，且激光光斑中心處的靶標信息并未出現淹沒現象。

圖1 水下圖像的增強效果對比圖

2.3 增強效果的客觀對比與評價

針對圖 1 中的6 幅對比圖，本文選取3 個客觀評價參數對增強前后圖像進行評價：

1）圖像熵，用于表征圖像信息豐富的程度，其定義為：

式中：H 代表圖像熵；N 代表灰度級總數；Pi 為灰度值為i 的像素數與圖像總像素之比。圖像熵的大小與圖像包含的信息量豐富程度成正比。

2）平均梯度GF，用來描述圖像邊界或影線附近灰度的差異，用于表示圖像清晰度，反映圖像微小細節反差變化的速率。其定義為：

式中：F(i, j)為圖像的第i 行、第j 列的灰度值；M、N 分別為圖像的總行數和總列數。平均梯度越大，圖像層次越多，也就越清晰。

3）增強評價EME（Evaluation of Enhancement），該評價參數由德州大學Agaian 等提出[9]，通過計算圖像局域中最大和最小值之比的對數均值作為客觀評價結果，反映圖像局域灰度的變化程度。EME 數值越大，則圖像細節紋理越豐富，對比度越好。其評價方法的定義為：

式中：k1 和k2 分別表示水平和垂直方向分割的圖像子塊數；fmax;k,l 和fmin;k,l 表示(k, l)圖像子塊的最大和最小值；c 為避免分母為零而設置的常數。

如表 1 所示：在“平均梯度GF”和“增強效果評價EME”兩項上，全局直方圖均衡算法及其優化的雙平臺算法的得分有明顯提升；局部直方圖均衡化算法在“熵”項上得分最高，但在“平均梯度”和“增強效果評價”兩項上提升不大。主觀和客觀的對比可以看出：全局直方圖均衡算法對圖像增強效果最為明顯，但增強后的圖像并不適合人眼觀察；雙平臺法通過設置高低兩個閾值，對全局直方圖均衡算法的增強效果進行平衡，以犧牲部分圖像增強效果為代價，使增強后的圖像更適于人眼觀察。由此說明，本文的雙平臺直方圖均衡化算法對水下距離選通圖像具有良好的增強效果。

3 水下距離選通增強算法硬件實現

本文涉及手持式水下激光距離選通成像系統的控制與視頻圖像處理平臺是圍繞Xilinx 公司Virtex-5系列FPGA 芯片搭建的[10-11]。圖2(a)為通用圖像處理板實物圖，圖2(b)為通用圖像處理板工作流程圖。

圖2 通用圖像處理板及其工作流程圖

3.1 水下距離選通圖像增強算法FPGA 實現

為了獲取更好的增強效果，在進行圖像增強前先使用了幀疊加去噪算法，將4 幀圖像疊加，使圖像功率信噪比提升了4 倍。雙平臺直方圖均衡化算法實現的過程中，共使用了4 片大小為512 k×18 的SRAM，和2 個大小為256 k×19 的BLOCKRAM，一個除法器。其中片內BLOCKRAM 和片外SRAM 均采用108MHz 時鐘進行控制。算法狀態流程如圖3 所示。狀態的描述如表2 所示，其中S_idle 是系統的默認初始，用于等待PAL 制視頻有效信號到來，符合判定條件后，開始進入增強處理環節。

3.2 水下激光距離選通圖像增強算法驗證實驗

水下激光距離選通成像系統的圖像增強實驗在實驗室15 m 的水道內進行，實驗中靶標與成像系統的距離為13m，脈沖激光器單脈沖能量80 mJ，脈寬7 ns，重復頻率最大20 Hz；實測水道的水體濁度為1.3425NTU，水體衰減系數為0.47m－1。

在選通成像系統達到靶標觀察極限時，分別采集非選通圖像、單幀選通圖像、單幀＋雙平臺法、四幀疊加＋雙平臺法的硬件處理視頻圖像如圖4 所示（處理中平臺值Nth1 為20000，Nth2 為100）。由圖4 可以看出：圖4(a)由于后向散射影響無法觀察到任何靶標信息；圖4(b)包含有部分微弱的靶標信息；圖4(c)可以分辨輪廓及部分靶面信息；圖4(d)輪廓清晰、靶面信息豐富；由圖4(b)、圖4(c)可知，雙平臺法對對比度差的選通圖像增強效果明顯；由圖4(c)和圖4(d)可知，幀疊加去噪算法可以大大改善增強效果。

針對水下選通圖像可能出現的“照明不均勻”的現象，本文也進行了相應的成像實驗和增強處理，分別采集到了照明不均勻、四幀疊加＋全局直方圖均衡化、四幀疊加＋單平臺法、四幀疊加＋雙平臺法的圖像如圖5 所示，其中單平臺法只保留了閾值Nth1，而Nth2 值為0，用于與雙平臺法進行對比，可反映閾值Nth2 對細節增強的影響。

圖3 雙平臺法狀態機流程圖

圖4 對比度差增強效果圖

圖5 照明不均勻增強效果

可以看出：圖 5(a)光斑內靶面上的信息較為清晰，但光斑外靶標的輪廓無法分辨；圖5(b)可分辨出靶標的輪廓，但靶面上光斑內的信息完全淹沒，且噪聲很大；圖5(c)圖像噪聲明顯下降，靶標邊緣清晰，靶面大部分信息可見，但光斑內有小部分信息丟失；圖5(d)相對于圖5(c)，靶標中心光斑最亮處的信息依舊存在，沒有發生淹沒現象，且其他位置部分的增強效果良好。

實驗結果表明：本文的水下激光距離選通圖像雙平臺直方圖增強算法效果良好，在“對比度差”情況下，經過實時處理后，原來較難辨識的靶標輪廓、靶面部分信息都可以被分辨出來；在“照明不均勻”情況下，既可增強光斑外的區域，又可保留光斑內的細節信息，獲得更多的全視場信息。

4 結語

本文采用幀疊加＋雙平臺直方圖均衡化實時增強算法，實現了水下激光距離選通成像的圖像增強，實驗證明：在采用適當的幀疊加方法有效降低距離選通圖像噪聲的基礎上，單平臺直方圖均衡化的處理效果優于傳統的全局直方圖均衡化，而雙平臺直方圖均衡化的處理效果又優于單平臺直方圖均衡化的效果。本文雙平臺直方圖均衡化算法已成功移植到實驗室研制的水下激光距離選通成像系統的FPGA 控制與圖像處理平臺，對高性能水下選通成像設備的發展具有推進作用。