摘 要

恶劣天气条件下对视频图像信息的检测对于气象中心公安交警部门等至关重要，特别是对空中，海上和地面交通管理的需求。在本文中，提出了一种基于FPGA的去除视频图像中雨雪的方法。室外监控系统的功能主要是在视频中对目标物体进行检测，对目标物体进行特征的提取以及行为的识别，基于这些功能可以设想到，如果在雪天的场景，必然会对这些操作造成很大影响，对于各个领域来讲，雪天的影响显得尤其明显。具体原因在于首先雪花的形状比较大，不透明度比较高，其次下落速度也比较慢，遮挡的面积也比较大，因此对在大雪天气的情况下，通过相关技术处理视频图像，获得图像质量清晰的视频成为当前视频图像处理领域的研究重点。为了在图像序列中将前景与背景分开，使用经典的高斯混合模型。前景模型用于检测雨雪，因为这些是动态天气现象。利用帧间差分或者背景差分的方法对视频图像中的雪花进行检测和清除。此外在检测和去除雪花之前要通过图像增强和图像平滑相关技术对图像进行实现处理，以便获得高质量的视频图像，为以后的工作做铺垫。该方法的应用很多，包括临界天气条件的检测，天气观测，视频监控系统的可靠性改进和雨水渲染。

关键词 FPGA 图像处理 雨雪检测 帧间差分 中值滤波

Abstract

The detection of video image information under severe weather conditions is crucial for the meteorological department's public security traffic department, especially for air, sea and ground traffic management. In this paper, an FPGA-based method for removing rain and snow from video images is proposed. The function of the outdoor monitoring system is mainly to detect the target object in the video, extract the feature of the target object and identify the behavior. Based on these functions, it can be imagined that if it is in the snow scene, it will inevitably cause great impact on these operations. Impact, the impact of snow days is particularly evident for all relevant areas. The specific reason is that the shape of the snowflake is relatively large, the opacity is relatively high, and the falling speed is relatively slow, and the area of ​​the occlusion is relatively large. Therefore, in the case of heavy snow weather, the video image is processed by the related technology to obtain a clear image quality. Video has become the focus of research in the field of video image processing. To separate the foreground from the background in the sequence of images, a classic Gaussian mixture model is used. The foreground model is used to detect rain and snow because these are dynamic weather phenomena. The snowflake in the video image is detected and cleared by means of interframe difference or background difference. In addition, the image is processed by image enhancement and image smoothing related techniques before the detection and removal of the snowflake, in order to obtain high-quality video images, paving the way for future work. The method is used in many applications, including detection of critical weather conditions, weather observation, reliability improvement of video surveillance systems and rainwater rendering.

Key words FPGA image processing, rain and snow detection, Interframe difference, median filterin

目录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.3 论文研究内容 3

1.3.1 研究思路 3

1.3.2 研究内容 4

第2章 视频图像的处理 5

2.1 图像增强技术 5

2.1.1 灰度变换增强 5

2.1.2 直方图变换增强 6

2.2 图像去噪技术 10

2.2.1 邻域平均法 10

2.2.2 中值滤波法 12

第3章 视频图像中雪花的检测和去除 15

3.1 背景的检测和提取 15

3.1.1 单高斯模型 15

3.1.2 混合高斯模型（MoG） 15

3.2 运动目标的检测 17

3.2.1 基于背景差分的方法 17

3.2.2 基于帧间差分的方法 18

第4章 基于FPGA的系统体系设计 20

4.1 基于FPGA的帧间差分法的实现 20

4.2 基于FPGA的系统功能设计 23

4.3 系统流程介绍 26

第5章 结果分析 27

第6章 总结与展望 29

参考文献 30

致谢 33

第1章 绪论

1.1 研究背景及意义

众所周知，对于气象中心来说，恶劣天气条件的检测至关重要，特别是对空中，海上和地面交通管理的需求。天气状况的检测和表征通常涉及专用传感器，例如可见度计，测速仪或雷达等。然而，这些传感器的成本限制了它们的广泛部署。正如Jacobs等人所指出的那样，出于安全和安全原因大规模部署视频监控摄像机是利用它们监控天气状况的一个机会。已经研究了在雾天中的图像形成过程。雨的组成颗粒大于雾的组成颗粒，并且可以看到单个颗粒。在高速下降的这种液滴的分布导致图像和视频中的时间变化的强度波动。另外，由于用于获取图像的相机的设置，由于下雨引起的强度是运动模糊的，因此取决于背景。因此，雨的视觉效果是雨的动力学和环境光度测量的组合。

今天，随着信息高速的发展，人类对于外界信息的获取来源有很多，但是各种来源中视觉系统的作用占据了绝大部分，这是因为图像信息拥有许多优点，比如传输容量大、直观性强、速度快等，这使它成为人类捕捉信息的主要途径。又因为被广泛应用于交通出行、航空航天、医疗技术等诸多领域，为了能够快速、有效、可靠地获取有效信息，这使得更高的图像处理技术成为必需条件。

在现今的室外监控系统中、视频的处理应用在许多领域。在恶劣天气条件下（如雨雪天气，沙尘暴，雾霾天气）获取清晰有效视频信息的研究是当前图像处理领域的重点。

作为一种冬季常见的自然现象 ，降雪是影响室外图像质量的最主要因素之一。在视频图像中，雪花的颗粒的大小以及轮廓形状是不同的，虽然大多数雪花是六边形，但由于下落并不是一片一片下落，因此，形状无法统一，同理下落时间也都是随机的，并且视频中雪花大小与摄像头的距离也有很大关系。另外，由于受到空气阻力，自身重力，风力风向等因素的影响，其运动状况是复杂多变的，根据近小远大的理论，距离镜头较近的雪花下落速度相对较快，这些因素都给视频中雪花的去除带来了很多困难。

基于此，本文分析研究了雪花的物理特性和时间特性，针对在雪天视频图像中雪花的特性，提出了一种基于FPGA的去除雪花的方法，主要算法是帧间差分的方法，并且通过对所提出的的方法进行了深入的分析与研究讨论，实现了对雪天视频图像去雪的处理，从而提高了雪天获取视频信息的可靠性和有效性。

1.2 国内外研究现状

在国外：

哥伦比亚大学教授garg等人主要通过构造两个模型对雨滴的分布统计特性进行分析与研究从而进一步来进行去除视频图像中的雨滴的工作，其中一个模型是“Dynamcis模型”，主要是用于计算雨线的方向，另一个是“Photometyr模型”，主要是用来描述运动模糊现象，造成该现象的原因主要是雨滴快速降落以及曝光时间，^[11]此外，Garg等人发现在视频拍摄过程中可以通过直接调节相机相关参数来达到除去雨滴的效果。

Subhani等人则是利用帧间灰度差的方法，运动物体在连续两帧的图像中的灰度值不同。然而在移动物体纹理较复杂或者雨滴较大时，效果不够理想。

Sun等人将雪天图像分离为背景和前景，在雪天视频图像中前景为雪花。具体的分离方法为在Nayar等人的退化模型基础上建立泊松方程，然后求解泊松方程，从而将前景与背景区分开，以达到去除雪花的目的。^[6]

在国内：

张等人经过研究发现图像中受雨滴影响的区域，其亮度变化值ΔR,ΔG,ΔB近乎相等，根据此特性提出一种基于颜色区域识别雨滴的方法。此外物体的亮度值会由于光照的影响而产生连续变化，并且在物体移动时，运动区域产生的亮度差会干扰检测准确度，因此很可能发生误判的情况。

武凤霞等人建立了动态的雨滴模型，将单幅雨滴图像与静态背景相结合以产生动态雨滴下落场景的视频。最后分析了雨滴的分布统计特性和相应像素的亮度变化特性，建立了相互对应的线性关系，提出了一种去除视频中动态雨滴的方法，以达到从视频中去除雨滴的效果。^[5]

许亮等人用两种模型来处理，其中一种是基于动力学的相关模型，获取雪花的运动轨迹，另一种是基于物理学的光度测定模型，该模型描绘了从亮度角度看雪花对图像的遮盖情况。然后基于这两种模型提出了一种检测去除视频中雪花的算法。但是此算法在大雪场景下以及雪花快速运动的图像中效果不够理想。^[5]

张颖翔等人根据K.Garg等人的研究成果，改进了老式算法，为了在大雨场景下获得高质量的视频图像，将视频帧数增加到了五帧。

孙毅刚等人采用改进的sanke模型，通过迭代算法去除视频中的雨雪。

刘志坤提出了改进的K-means聚类算法，基于多帧图像像素点亮度不同的特性，去除视频中的雪花。^[6]

在软件上：

尹传历等人将FPGA和DSP相结合，利用全局暗色图、透过率图、大气散射模型等建立了基于暗原色的增强系统，有效还原物体的色彩。

薛云刚等人改进了尹传历的算法，提出了用大气物体的辨别法来增强去雪的效果，提出多块分级的方法简化计算，利用GPU平台来优化。

任伟杰设计了基于FPGA的图像去雾系统，且该系统的时效性能比较优秀。但是对于雨滴和雪花的去除，还没有在硬件上实现。

1.3 论文研究内容

1.3.1 研究思路

在诸多天气因素中降雪是时变性最强的，最为复杂的情况，在室外露天状况下获得的视频图像受到天气、光照、雨雪等因素的干扰，所获得的视觉效果和信息质量下降，因而导致对目标的跟踪识别的可靠性下降。本文主要研究目的是除去视频中的雪花。

主要研究思路如图1.1所示：

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：