基于DSP的嵌入式數字攝像夜間能見度測量系統

各個處理任務之間采用SCOM消息機制進行通信。圖像采集任務采集數據后，通過SCOM消息傳輸給處理任務；處理任務對圖像進行相關的處理及能見度計算后，通知采集任務進行下一次的采集處理，并將處理的結果傳給輸出任務進行顯示。同時，處理任務協調該任務和其他兩個任務之間的通信。
3．2 能見度計算的圖像處理算法研究
能見度計算任務是DSP嵌入式軟件的核心，其圖像處理方法是系統可靠性的關鍵。數字攝像夜間能見度儀通過圖像處理計算兩相同亮度光源經過不同距離衰減之后的目標光源視亮度，根據視亮度反演大氣消光系數完成能見度值的測量。其圖像處理過程主要分為圖像預處理、圖像分割與定位、能見度值的計算三部分。
3．2．1 圖像預處理
圖像預處理主要對采集的光源圖像進行圖像濾波處理，以達到去除背景噪聲和雜散光等的影響，使目標光源和黑體圖像亮度均勻。由于該系統的能見度儀主要安裝在高速公路上用于能見度預警，在低霧、雨天等天氣條件下，圖像的清晰度不高。另外CCD在圖像采集和傳輸圖像的過程中也會產生相應的噪聲污染。因此，需要對圖像進行預處理。
采用了頻域增強法使得圖像清晰化。對圖像進行傅里葉變換，在頻域進行濾波處理，再將濾波后的圖像反變換到空間域，從而獲得增強后的圖像。另外利用小波變換在信號去噪和數據壓縮領域的良好效果，采用小波閾值去噪法。基于信號和噪聲頻率和幅值不同，對圖像進行二維小波變換，根據圖像原始信息和噪聲小波變換系數的差異，設定閾值去除小波系數中的噪聲元素，用經過處理的小波系數進行二維小波反變換得到去噪后的圖像。
3．2．2 圖像分割與定位
數字攝像法測量夜間能見度關鍵在于準確地提取出圖像的亮度信息。在亮度的計算過程中，準確地分割出光源圖像是計算過程中的關鍵。簡單的閾值分割易造成誤判，影響能見度的計算。圖像分割研究合適的適合兩個目標光源和黑體的分割算法，取光源中亮度比較均勻的部分作為光源和黑體的亮度值。

選擇合適的USAN區域，利用SUSAN邊緣檢測算子，進行圖像的邊緣檢測。根據所得到的邊緣進行圖像的分割，得到光源二值圖像。取正方形的模板在光源部分進行亮度值搜索計算，求出方框內亮度最大的區域，以此區域作為光源的亮度值。再根據圖像尺寸與對應像素個數的關系，求出黑體的位置，進行黑體亮度值的計算。圖7顯示了從圖形分割到定位的過程。