趙思嫻，萬(wàn)敏杰*，錢惟賢，周 琳，韶阿俊，陳 錢，顧國(guó)華*

（1.南京理工大學(xué) 電子工程與光電技術(shù)學(xué)院，江蘇 南京 210094；2.南京理工大學(xué) 江蘇省光譜成像與智能感知重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210094）

1 引 言

視頻信號(hào)產(chǎn)生噪聲的主要原因是在采集、壓縮、傳輸?shù)冗^程中受到周圍環(huán)境、溫度等方面的影響，以及設(shè)備、傳輸信道等因素的干擾。一方面，由于相機(jī)自身成像時(shí)圖像會(huì)產(chǎn)生非均勻性或者在傳輸過程中產(chǎn)生動(dòng)態(tài)噪聲；另一方面，外在的環(huán)境因素，如霧霾、沙塵暴等極端惡劣天氣、或光照不足的情況下，成像對(duì)比度較低，從而存在圖像污染、模糊或輪廓丟失等問題，導(dǎo)致接收到的視頻信號(hào)質(zhì)量嚴(yán)重下降，影響視頻的視覺效果，也為后續(xù)的分析及視頻圖像的增強(qiáng)［1］帶來不便。因此，視頻實(shí)時(shí)去噪算法研究有著廣泛的應(yīng)用價(jià)值與實(shí)際意義。

目前，較為普遍的視頻去噪算法大致可以分為三類：變換域去噪、空間域去噪和時(shí)間域去噪。變換域去噪又稱為頻域去噪，先對(duì)圖像進(jìn)行特定的變換，如傅里葉變換、離散余弦變換［2］和小波變換［3］等，把圖像信號(hào)轉(zhuǎn)換到變換域中，針對(duì)圖像真值和噪聲在頻域上的區(qū)別進(jìn)行處理，再把處理完的數(shù)據(jù)反變換后得到去噪后的圖像，這就導(dǎo)致該去噪方式的運(yùn)算時(shí)間較長(zhǎng)。近年來，雖然小波變換在視頻去噪領(lǐng)域中有了較大的發(fā)展，但固定小波基的分解模式不能完全表示自然圖像，去噪結(jié)果會(huì)有一定的偏差［4］。非下采樣輪廓波（Nonsubsampled Contourlet，NSCT）算法［5］利用非下采樣輪廓波變換，彌補(bǔ)輪廓波有下采樣的缺點(diǎn)，增加視頻幀中的結(jié)構(gòu)信息特征，算法復(fù)雜度也相應(yīng)提升?？臻g域去噪算法主要去除的噪聲以加性噪聲為主，因?yàn)橐曨l圖像中鄰域像素相關(guān)性較強(qiáng)，一般可根據(jù)鄰域像素的局部特征對(duì)視頻去噪［6］。一些經(jīng)典的空間域去噪算法主要為中值濾波、均值濾波及自適應(yīng)濾波等。經(jīng)典的空域?yàn)V波雖然復(fù)雜度低、運(yùn)算時(shí)間短，但會(huì)模糊視頻細(xì)節(jié)；為改善空域?yàn)V波的效果，基于馬爾可夫隨機(jī)場(chǎng)理論的模型，如FRAME模型［7］、VISTA模型［8］、FOE模型［9］等，通過學(xué)習(xí)的方式獲得參數(shù)，能夠避免人為設(shè)置參數(shù)所造成的誤差，因此有很大的優(yōu)勢(shì)［10］。時(shí)間域?yàn)V波利用視頻前后幾幀的相關(guān)性來設(shè)計(jì)算法達(dá)到去噪的效果，如基于金字塔結(jié)構(gòu)的去噪算法［11］，滿足實(shí)時(shí)性要求，但去噪效果還有上升空間。近年來，多種域結(jié)合的算法，如空間域與頻率域結(jié)合的三維塊匹配（Block Matching 3D，BM 3D）算法［12］被提出，此算法在轉(zhuǎn)換域中加強(qiáng)稀疏表達(dá)，在處理圖像細(xì)節(jié)及高斯白噪聲時(shí)效果較好，但在處理具有高對(duì)比度圖像的邊緣時(shí)，由于匹配塊不能完整表示圖像細(xì)節(jié)，圖像邊緣會(huì)產(chǎn)生振鈴效應(yīng)［13］。除此之外還有時(shí)空頻域結(jié)合的算法［14］，該算法結(jié)合了時(shí)空域的降噪方法，同時(shí)在頻域上采用了高斯和拉普拉斯金字塔，達(dá)到了很優(yōu)秀的去噪效果，然而算法復(fù)雜度高，且未實(shí)現(xiàn)實(shí)時(shí)處理。在考慮到硬件并行設(shè)計(jì)方面，也出現(xiàn)了結(jié)合時(shí)空域的運(yùn)動(dòng)紋理感知去噪算法［15］。

為了提高視頻去噪算法的去噪能力與實(shí)時(shí)運(yùn)行時(shí)間，本文提出了一種針對(duì)可見光波段的時(shí)空域去噪算法，并成功移植到FPGA硬件平臺(tái)。

2 去噪原理

本文的視頻去噪算法的完整流程如圖1所示。該算法先用高斯差分（Difference of Guassian，DOG）濾波得到4層DOG來提取當(dāng)前幀圖像的特征信息；再對(duì)最高層DOG1用卷積模板做空間域?yàn)V波，抑制高頻噪聲；剩下3層DOG在時(shí)間域上采用區(qū)域分割濾波，對(duì)不同的區(qū)域采取不同的濾波策略；最后把處理后的各層圖像相加，得到最終的去噪結(jié)果。

圖1 時(shí)空域視頻去噪算法流程Fig.1 Flow chart of spatio-temporal domain video denoising algorithm

2.1 高斯差分濾波

為了使算法具有運(yùn)動(dòng)補(bǔ)償?shù)男Ч?，需要?duì)每幀圖像的特征區(qū)域進(jìn)行提取?，F(xiàn)有的DOG濾波［16］具有較好的邊緣檢測(cè)能力，廣泛地應(yīng)用于數(shù)字信號(hào)圖像處理中。其函數(shù)表達(dá)式為：

其中：σ1與σ2為高斯濾波的標(biāo)準(zhǔn)差，并且σ1＜σ2，x，y表示二維平面的橫縱坐標(biāo)。由于高斯濾波函數(shù)對(duì)圖像的平滑程度是通過σ實(shí)現(xiàn)的，σ越大，平滑程度越高，高頻成分越少。當(dāng)DOG濾波器中心區(qū)域通過點(diǎn)線特征較為明顯的區(qū)域時(shí)，因?yàn)辄c(diǎn)線特征周圍的背景灰度值較小，高斯濾波后特征處的結(jié)果數(shù)值較大；當(dāng)濾波器中心通過灰度值起伏變化不大的平緩區(qū)域時(shí)，高斯濾波結(jié)果則趨于零。如此，便達(dá)到了抑制平緩背景的效果。

本算法使用了4個(gè)高斯濾波參數(shù)，4個(gè)參數(shù)的大小為σ1＜σ2＜σ3＜σ4，具體取值為1.5，2.5，5.5，10.5，對(duì) 應(yīng) 得 出4層DOG結(jié) 果：DOG1，DOG2，DOG3，DOG4。以實(shí)驗(yàn)視頻其中一幀為例，4層DOG如圖2所示。由于σ1最小，DOG1中包含的高頻噪聲最多，需要單獨(dú)對(duì)DOG1做進(jìn)一步的高頻噪聲抑制處理。

圖2 一幀視頻的高斯差分濾波結(jié)果Fig.2 DOG filter result of one frame

2.2 空間域?yàn)V波

為了濾除DOG1中的高頻噪聲，單獨(dú)對(duì)該層進(jìn)行空間域?yàn)V波。由于噪聲大部分都服從高斯分布，該層內(nèi)的高頻噪聲即為鄰域范圍內(nèi)的極大值點(diǎn)，在圖像二維平面內(nèi)可轉(zhuǎn)換成求離散函數(shù)的偏導(dǎo)，公式如下：

由此可知，高頻噪聲只有鄰域極大值的特征而不含有表征方向的信息，因此可用基于梯度的卷積模板來剔除高頻噪聲，提取含有方向信息的圖像特征邊緣輪廓信息。

用來抑制極大值的空域?yàn)V波卷積模板如下：

其中：G0，G45，G90，G135分別是0°，45°，90°和135°方向上的濾波模板。

2.3 時(shí)域區(qū)域分割濾波

在運(yùn)動(dòng)場(chǎng)景中，前后兩幀的線面特征會(huì)產(chǎn)生位移，靜止背景部分的平坦區(qū)和特征區(qū)域部分的突變區(qū)可以通過前后兩幀之差進(jìn)行區(qū)分。為了進(jìn)一步濾除噪聲，需要對(duì)4層DOG進(jìn)行時(shí)間域上的濾波，即在時(shí)間域上對(duì)4層圖像數(shù)據(jù)進(jìn)行區(qū)域分割，具體分割方式如圖3所示。

圖3 時(shí)域區(qū)域分割濾波流程Fig.3 Flow chart of domain division filtering in time domain

計(jì)算當(dāng)前幀DOG與上一幀去噪結(jié)果的差值，當(dāng)這個(gè)差值小于閾值時(shí)，判定當(dāng)前像素在平坦區(qū)域，像素值不變；當(dāng)差值大于閾值時(shí)，判定當(dāng)前像素在突變區(qū)域，取上一幀去噪結(jié)果與當(dāng)前幀DOG的加權(quán)平均作為當(dāng)前幀的去噪結(jié)果，其中，權(quán)值a通常取0.8，表明前一幀的濾波結(jié)果對(duì)當(dāng)前幀的濾波結(jié)果影響較大。最后把4層DOG的濾波結(jié)果和σ4對(duì)應(yīng)的高斯濾波結(jié)果相加得到去噪后的圖像，如圖4所示。

圖4 DOG濾波結(jié)果Fig.4 Filtering results of DOG

3 算法的FPGA實(shí)現(xiàn)

該算法使用VIVADO 2019進(jìn)行硬件編程，在ZYNQ7045，型號(hào)為xc7z045ffg900-2的硬件開發(fā)平臺(tái)上實(shí)現(xiàn)，cameralink接口連接開發(fā)板與黑白可見光相機(jī)成像，HDMI接口連接開發(fā)板視頻輸出端口與顯示屏，最終顯示去噪后的視頻圖像，總體硬件架構(gòu)如圖5所示。

圖5 本文去噪算法的硬件架構(gòu)Fig.5 Hardware architecture of denoising algorithm in this paper

首先，相機(jī)輸入的視頻數(shù)據(jù)流通過cameralink接口進(jìn)入數(shù)據(jù)解碼模塊，該模塊將數(shù)據(jù)流轉(zhuǎn)換成標(biāo)準(zhǔn)的VGA時(shí)序信號(hào)后輸出；在進(jìn)入下一個(gè)模塊之前，需要利用Video In to AXI4-stream這個(gè)IP核把VGA時(shí)序信號(hào)轉(zhuǎn)換成AXIstream格式的數(shù)據(jù)流，因?yàn)榉謱幽K需要的輸入輸出數(shù)據(jù)都是AXIstream格式的數(shù)據(jù)；數(shù)據(jù)格式轉(zhuǎn)換完成后，通過分層模塊把原始視頻幀信號(hào)分成4層，輸入數(shù)據(jù)格式轉(zhuǎn)換模塊，該模塊由5個(gè)Video In to AXI4-stream IP核組成，把4層數(shù)據(jù)信號(hào)加上原始圖像數(shù)據(jù)轉(zhuǎn)換成標(biāo)準(zhǔn)VGA時(shí)序信號(hào)，方便時(shí)空域?yàn)V波模塊對(duì)數(shù)據(jù)的處理；FDMA（AXI4 FULL MASTER DIRECT MEMORY ACCESS）能通過控制模塊、MIG控制器和DDR交互，對(duì)濾波模塊輸出結(jié)果通過三緩存的方式存入DDR，然后輸出上一幀的濾波結(jié)果給濾波模塊；VDMA（VIDEO DIRECT MEMORY ACCESS）是VIVADO中專門用來傳輸圖像數(shù)據(jù)的IP核，通過該IP核將最終結(jié)果送入HDMI實(shí)現(xiàn)結(jié)果在顯示器的顯示；HLS圖像分層模塊和VDMA都需要通過PS（Processing System）部分的ARM核來配置參數(shù)。

3.1 Cameralink數(shù)據(jù)解碼模塊

本文算法實(shí)現(xiàn)所選用的可見光相機(jī)輸出單通道8 bit視頻幀數(shù)據(jù)，采用的Cameralink標(biāo)準(zhǔn)的視頻傳輸模式是Base模式。FPGA開發(fā)板收到的圖像相關(guān)信號(hào)有28 bit，包括1 bit場(chǎng)有效信號(hào)、1 bit行有效信號(hào)、1 bit數(shù)據(jù)有效信號(hào)和24 bit數(shù)據(jù)信號(hào)。24 bit的數(shù)據(jù)信號(hào)分成A，B，C三個(gè)端口，根據(jù)相機(jī)每時(shí)鐘周期輸出的像素個(gè)數(shù)使用的端口數(shù)不同，根據(jù)端口定義就能夠解碼得出正確的圖像數(shù)據(jù)。最后，把該解碼模塊封裝成IP核添加在本設(shè)計(jì)中，解碼出來的數(shù)據(jù)如圖6所示。其中，v_sync與h_sync分別是場(chǎng)有效信號(hào)與行有效信號(hào)。檢測(cè)到場(chǎng)有效信號(hào)上升沿時(shí)為一幀視頻的開始，下降沿為一幀視頻的結(jié)束；行有效信號(hào)為1時(shí)，表示正在進(jìn)行一行數(shù)據(jù)的傳輸；數(shù)據(jù)有效信號(hào)與行有效信號(hào)相同。D16_o是最后解碼出來的視頻數(shù)據(jù)信號(hào)。

圖6 Cameralink解碼數(shù)據(jù)Fig.6 Cameralink decodes data

3.2 HLS數(shù)據(jù)分層模塊

該模塊用來實(shí)現(xiàn)4個(gè)不同參數(shù)的高斯濾波，為后續(xù)產(chǎn)生4層DOG做準(zhǔn)備。如果高斯濾波使用HDL編程，不僅代碼復(fù)雜度高，而且會(huì)占用大量資源，所以使用賽靈思自帶的VIVADO HLS工具來實(shí)現(xiàn)。HLS支持C語(yǔ)言編程，并且支持包含Opencv在內(nèi)的視頻圖像處理庫(kù)函數(shù)，完成編程后，能直接把C語(yǔ)言綜合成HDL代碼組成的IP核，同時(shí)自帶優(yōu)化指令，方便IP優(yōu)化，大大降低了開發(fā)時(shí)間。

為了進(jìn)一步簡(jiǎn)化代碼，便于硬件實(shí)現(xiàn)，把高斯濾波簡(jiǎn)化為先用4次降采樣，得到4個(gè)降采樣數(shù)據(jù)，然后分別還原成原始圖像的分辨率，降采樣和還原分辨率用到的HLS庫(kù)函數(shù)分別是hls：：Prydown和hls：：Resize。最后封裝完成的IP核如圖7所示。其中，輸入端s_axi_AXILiteS是控制信號(hào)，src_axi是數(shù)據(jù)信號(hào)，ap_clk是時(shí)鐘信號(hào)，ap_rst_n是復(fù)位信號(hào)；輸出端dst_axi，dst_axi2-5分別是4個(gè)降采樣并還原原始分辨率后的數(shù)據(jù)信號(hào)和一個(gè)原始數(shù)據(jù)信號(hào)。

圖7 HLS模塊的IP核Fig.7 IP core of HLS module

3.3 空間域?yàn)V波模塊

FPGA實(shí)現(xiàn)圖像的空域?yàn)V波算法基于濾波模板與圖像數(shù)據(jù)做滑動(dòng)窗口卷積，需要在FPGA內(nèi)開辟一個(gè)緩存區(qū)形成圖像窗口。選擇shiftram IP核作為緩存圖像數(shù)據(jù)的寄存器，在與N×N的卷積模板做卷積時(shí)，一共需要N個(gè)shiftram IP核。本算法選取5×5的卷積模板，共需要5個(gè)shiftram IP核。以3×3卷積窗口為例，實(shí)現(xiàn)原理如圖8所示。

圖8 卷積濾波窗口原理Fig.8 Schematic diagram of convolution filter window

3.4 時(shí)間域?yàn)V波模塊

時(shí)間域?yàn)V波移植到FPGA硬件平臺(tái)上要主要解決的問題是濾波結(jié)果的多幀緩存以及當(dāng)前幀DOG與上一幀濾波結(jié)果的像素匹配處理。DDR3因其內(nèi)存大、有賽靈思提供的MIG控制器來控制其讀寫，是用于多幀緩存的最佳選擇；同時(shí)，為實(shí)現(xiàn)像素匹配，需要有一個(gè)高速接口訪問DDR3，因此加入FDMA IP核。

FDMA是DMA（DIRECT MEMORY ACCESS）的變形。DMA包含一條數(shù)據(jù)總線和一條地址總線，一般具有能一次傳輸多個(gè)字節(jié)數(shù)據(jù)的突發(fā)傳輸?shù)墓δ?，能大大增?qiáng)系統(tǒng)的整體吞吐能力［17］。FDMA就是在DMA的基礎(chǔ)上把兩條總線換成AXI4-FULL（Advanced eXtensible Interface）總線協(xié)議，以便與MIG控制器進(jìn)行數(shù)據(jù)交互。FDMA IP核如圖9所示。通過上述自定義IP模塊就能快速進(jìn)行數(shù)據(jù)交互，實(shí)現(xiàn)像素配準(zhǔn)。

圖9 FDMA IP核Fig.9 IP core of FDMA

為了生成FDMA輸入端的數(shù)據(jù)打包格式，需要有一個(gè)FDMA控制模塊，需要給FDMA輸出讀寫請(qǐng)求和讀寫地址信號(hào)，并通過輸入視頻幀的行場(chǎng)信號(hào)控制異步FIFO把8位數(shù)據(jù)組包成32位數(shù)據(jù)送入FDMA，同時(shí)把對(duì)應(yīng)地址的FDMA輸出的32位DDR讀出數(shù)據(jù)拆包成8位上一幀濾波結(jié)果數(shù)據(jù)，送入計(jì)算模塊，異步FIFO組包數(shù)據(jù)流如圖10所示。

圖10 組包數(shù)據(jù)流Fig.10 Packet data flow

FIFO寫入時(shí)鐘為25 MHz，讀出時(shí)鐘約為150.7 MHz，以寫入時(shí)鐘約6倍的速度讀寫DDR，可使視頻當(dāng)前幀數(shù)據(jù)與從DDR中讀出的上一幀視頻數(shù)據(jù)同時(shí)輸入下一個(gè)模塊，完成時(shí)域區(qū)域分割濾波。

由于需要對(duì)4層DOG進(jìn)行濾波處理，利用FPGA的并行處理能力，采用4路FDMA IP核通過AXI4總線連接到MIG控制器，使得四路DOG能夠同時(shí)輸入輸出。

4 實(shí)驗(yàn)與結(jié)果分析

硬件平臺(tái)的搭建及去噪結(jié)果如圖11所示。硬件平臺(tái)由結(jié)果顯示器、編程及操作顯示器、ZYNQ7045開發(fā)板、可見光黑白相機(jī)（通過Cameralink接口與開發(fā)板相連）及拍攝目標(biāo)組成。為了能直觀地顯示去噪效果，顯示器可同時(shí)輸出相機(jī)原圖和去噪后圖像，上半部分為原始視頻圖像，下半部分為去噪后的視頻圖像?？梢钥闯觯撍惴ㄓ幸欢ǖ娜ピ胄Ч?，但由于選用的相機(jī)噪聲較小，視覺效果不太明顯。

圖11 本文去噪算法的硬件平臺(tái)Fig.11 Hardware platform of denoising algorithm in this paper

4.1 定性實(shí)驗(yàn)

對(duì)15個(gè)含噪可見光視頻場(chǎng)景，用本文算法（包括MATLAB軟件平臺(tái)與FPGA硬件平臺(tái)）、NSCT去噪算法［18］、FOE算法［9］、基于金字塔結(jié)構(gòu)的去噪算法［11］和BM 3D算法［12］進(jìn)行處理，截取其中一幀，去噪結(jié)果如圖12所示。

圖12 本文算法軟硬件實(shí)現(xiàn)結(jié)果及不同去噪算法的結(jié)果Fig.12 Denoising results of software and hardware of proposed algorithm and denoising results of different algorithms

圖中，原始圖像是用低噪相機(jī)拍攝的視頻場(chǎng)景，含噪原圖采用原圖加上幅度為20 d B的噪聲合成。從視覺效果上看，BM 3D算法對(duì)噪聲有一定的抑制，且圖像細(xì)節(jié)保留也較為完好，但是圖像的明暗程度有所改變；NSCT算法對(duì)噪聲的抑制最為明顯，但細(xì)節(jié)模糊較為嚴(yán)重；FOE算法和基于金字塔結(jié)構(gòu)的去噪算法都有一定的去噪效果，也都保留了圖像細(xì)節(jié)；本文算法在不改變圖像明暗的同時(shí)，對(duì)噪聲有明顯的抑制，且細(xì)節(jié)部分保留完好。

算法的硬件移植方面，在視覺效果上MATLAB處理后對(duì)比原圖去噪效果明顯，且無(wú)拖尾現(xiàn)象產(chǎn)生；移植到FPGA上后，處理結(jié)果與MATLAB相比無(wú)明顯差別。

4.2 定量實(shí)驗(yàn)

將本文算法包括MATLAB軟件平臺(tái)與FPGA硬件平臺(tái)的實(shí)現(xiàn)與NSCT去噪算法［18］、FOE去噪 算法［9］、基于金 字塔結(jié)構(gòu) 的去噪 算法［11］和BM 3D去噪算法［12］的結(jié)果用峰值信噪比（Peak Signal to Noise Ratio，PSNR）、結(jié) 構(gòu) 相 似 性（Structural Similarity Index Measure，SSIM）和一幀視頻處理時(shí)間進(jìn)行評(píng)價(jià)。其中，PSNR是信號(hào)峰值與噪聲均值之比，數(shù)值越大，失真越?。籗SIM從亮度、對(duì)比度、結(jié)構(gòu)三個(gè)方面分析處理前后圖像的相似性，取值區(qū)間為［0，1］，值越大，失真越小。PSNR與SSIM的計(jì)算公式分別為：

其中：n表示采樣值的比特?cái)?shù)，MSE是原圖與處理后圖像間的均方誤差，x，y為兩幅圖像，μx，μy分別是x，y的均值，σx

2，σy

2分別是x，y的方差，σxy是x和y的協(xié)方差，c1和c2是用來維持穩(wěn)定的常數(shù)。計(jì)算結(jié)果如表1～表5所示，其中金字塔表示基于金字塔結(jié)構(gòu)的去噪算法，MATLAB實(shí)現(xiàn)和FPGA實(shí)現(xiàn)分別表示本文算法在MATLAB和FPGA上的實(shí)現(xiàn)。由表可知，本文算法在大部分場(chǎng)景中的定量指標(biāo)都優(yōu)于NSCT算法、基于金字塔結(jié)構(gòu)的算法和BM 3D算法。在場(chǎng)景5中，本文算法的PSNR相比NSCT算法的PSNR提升一倍左右；本文算法的PSNR雖然在場(chǎng)景11這種明亮且背景單一的地方稍低于FOE算法的PSNR，但總體而言相差不大且SSIM有一定的提升；在SSIM指標(biāo)上，4種算法比較接近，在場(chǎng)景13中NSCT算法的結(jié)果雖然比本文算法更加模糊，且PSNR指標(biāo)明顯低于本文算法，但SSIM數(shù)值卻略高于本文算法。其原因可能為：在場(chǎng)景13這種線條特征明顯、整體灰度值變化平穩(wěn)的場(chǎng)景，SSIM指標(biāo)更傾向于去噪后圖像的平滑性，而對(duì)圖像的模糊程度考量較少?？傮w而言，本文算法相較于其他算法在整體穩(wěn)定性方面比較突出。在處理時(shí)間上，NSCT算法所用時(shí)間最長(zhǎng)，大約50 s才能處理一幀視頻，F(xiàn)OE算法大約需要3 s，基于金字塔結(jié)構(gòu)的算法、BM 3D算法和本文算法都只需要0.4 s左右的時(shí)間，但在絕大多數(shù)場(chǎng)景下，本文算法的處理時(shí)間仍優(yōu)于基于金字塔結(jié)構(gòu)的算法和BM 3D算法。綜合上述3個(gè)客觀指標(biāo)，由于本文算法結(jié)合了時(shí)間域和空間域?yàn)V波并分區(qū)域采用不同的去噪手段，去噪能力有了可觀的提升。

表1 場(chǎng)景1～3處理結(jié)果對(duì)比Tab.1 Comparison results of scene 1-3

表2 場(chǎng)景4～6處理結(jié)果對(duì)比Tab.2 Comparison results of scene 4-6

表5 場(chǎng)景13～15處理結(jié)果對(duì)比Tab.5 Comparison results of scene 13-15

表3 場(chǎng)景7～9處理結(jié)果對(duì)比Tab.3 Comparison results of scene 7-9

表4 場(chǎng)景10～12處理結(jié)果對(duì)比Tab.4 Comparison results of scene 10-12

本文算法移植到FPGA硬件平臺(tái)后，F(xiàn)PGA處理后的結(jié)果在PSNR方面比MATLAB平均降低約0.4 dB，在SSIM方面平均降低了約0.02 dB，均可視為在誤差允許范圍內(nèi)；而在運(yùn)行時(shí)間方面，F(xiàn)PGA比MATLAB減少了0.2 s多，約減少了71.5%，大大提升了算法的實(shí)時(shí)性。本文算法移植到FPGA平臺(tái)上的資源占用情況如圖13所示，占用的FPGA開發(fā)板的資源不到50%，也可說明本文算法移植到硬件平臺(tái)的有效性。

圖13 資源占用情況Fig.13 Resource occupancy

5 結(jié) 論

為了克服可見光視頻去噪算法細(xì)節(jié)模糊、處理時(shí)間長(zhǎng)、實(shí)時(shí)性差等缺點(diǎn)，本文提出了一種結(jié)合時(shí)間域與空間域?yàn)V波的去噪算法，先利用高斯差分濾波使原圖分層，對(duì)含高頻噪聲最多的圖像層進(jìn)行空域?yàn)V波，抑制信號(hào)極大值；然后把當(dāng)前幀各尺度濾波后的圖像當(dāng)作下一幀濾波的輸入，在時(shí)間域上形成反饋，區(qū)分每幀圖像對(duì)上一幀而言的平坦區(qū)域與突變區(qū)域，并采用不同的去噪策略；最后把算法分為多個(gè)模塊，利用卷積模板進(jìn)行空域?yàn)V波，控制DDR形成4路視頻數(shù)據(jù)流在ZYNQ7045 FPGA硬件平臺(tái)上實(shí)時(shí)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，本算法在主觀上實(shí)現(xiàn)了視頻去噪的功能；在客觀評(píng)價(jià)指標(biāo)方面，相比于現(xiàn)有的單域去噪算法，PSNR至多可提升15 d B；移植到硬件平臺(tái)后，在PSNR和SSIM指標(biāo)相差不大的情況下運(yùn)行時(shí)間可節(jié)省約71.5%，兼顧了可見光視頻去噪的精度與實(shí)時(shí)性要求。