摘  要： 基于TI公司高性能Davinci系列TMS320DM6437芯片構建了一個集視頻采集、退化仿真及復原的實時視頻圖像復原系統(tǒng)。首先，在VC平臺上模擬了圖像退化及復原算法；然后，在TMS320DM6437的平臺上對算法進行了移植；最后，在DSP/BIOS實時操作系統(tǒng)中對算法進行優(yōu)化，并加入人機交互。實驗結果表明，該系統(tǒng)能夠有效實現視頻圖像的復原，并且具有實時性強，人機交互良好的特點。

　　關鍵詞： 退化模擬；圖像復原；DSP/BIOS；人機交互

0 引言

　　在圖像復原技術發(fā)展的過程中，國內外學者提出了大量的圖像復原算法。目前一些新穎的復原技術有基于支持向量回歸的復原算法[1]、中介濾波算法[2]和基于水平集[3]的圖像復原算法等。

　　傳統(tǒng)的圖像復原算法是基于PC實現的，而本文所研究的視頻圖像實時復原系統(tǒng)，不但對系統(tǒng)處理的實時性要求更高，而且運算量也大得多。由于其具有高速并行處理能力和高效的流水線處理能力，在硬件性能、圖像數據的傳輸等方面，比專業(yè)視頻編解碼芯片有更好的表現，因此，本文研究的視頻圖像復原是基于嵌入式DSP芯片來實現的。此外，DSP芯片功耗比較低，且用戶開發(fā)自由度比較大，為提高產品的穩(wěn)定性提供了更可靠的保障。

1 開發(fā)平臺及系統(tǒng)總體架構

　　1.1 硬件平臺

　　本系統(tǒng)的硬件開發(fā)平臺主要是基于SEED-DEC6437和SEED-DTK_MBoard平臺。其中，SEED-DEC6437是一款能夠處理各種視頻應用的獨立模板，采用支持TI公司達芬奇技術的高性能純DSP芯片TMS320DM6437。該芯片集成了為加速數字視頻開發(fā)所專門設計的協(xié)處理引擎，結合VPSS（最新視頻處理子系統(tǒng)），具有較高的視頻處理性能，可支持D1解析度的H.264視頻編碼。在SEED-DTK_MBoard的硬件系統(tǒng)中主要集成了DSP、Flash、SRAM、UART、LCD和D/A等外圍設備，使其能夠應用在顯示、鍵盤和模擬信號輸出等相關領域。

　　1.2 軟件平臺

　　本系統(tǒng)的軟件開發(fā)平臺主要是基于集成開發(fā)系統(tǒng)CCS及其實時操作系統(tǒng)DSP/BIOS。DSP/BIOS是一個可擴充、可裁剪的RTOS，主要包括常見嵌入式通用庫和API，可提供諸如多線程任務的調度、任務間的同步和通信、I/O服務、中斷優(yōu)先級的配置等功能[4]，具有模塊化和小型化的特點。DSP/BIOS支持硬件中斷（HWI）、軟件中斷（SWI）、任務（TSK）和后臺線程（IDL）4種線程，可以合理分配空間和時間，簡便迅速地設計出功能多變的系統(tǒng)子程序。

　　1.3 基于DSP的視頻圖像實時復原系統(tǒng)總體架構

　　本系統(tǒng)中TMS320DM6437為算法處理器，可通過PC發(fā)出的調度指令快速地完成算法切換、調停當前狀態(tài)等功能。TMS320VC5402為控制器，主要負責人機交互界面的控制，它與TMS320DM6437通過多通道緩沖串口通信。系統(tǒng)總體架構如圖1所示。首先從CCD攝像頭采集模擬視頻信號，通過TVP5150視頻解碼芯片將模擬信號解碼成YCbCr4：2：2格式的數字圖像信號并存至DDR2內存，DM6437芯片可以通過訪問DDR2并根據不同的圖像處理算法對數據進行相應的處理，最后通過VPSS中的視頻處理后端（VPBE）轉換為數字圖像信號輸出到顯示屏。

2 復原算法的選取及軟件仿真

　　2.1 本文采用的圖像復原方法

　　圖像復原是指去除或減少在獲得觀測圖像過程中產生的降質影響[5]。根據圖像的退化環(huán)境不同，本系統(tǒng)主要選取了逆濾波、維納濾波和運動模糊復原算法。

　　逆濾波復原又叫非約束復原[6]，在進行逆濾波時，根據先驗知識得到傳遞函數H，對退化圖像進行傅里葉變換得到G（u，v），即復原圖像的傅里葉變換，再經傅里葉反變換得到復原圖像f（x，y），過程如式（1）所示。

　　逆濾波雖然簡單，但不適合H（u，v）非常小的情況，此時無法精確恢復出圖像。為了克服這個缺點，本系統(tǒng)采用維納濾波，復原模型可表示為：

　　其中，K一般取0.5，最后對f（u，v）進行傅里葉逆變換得到復原圖像f（x，y）。維納濾波對噪聲放大具有自動抑制作用，在大多數情況下都可得到令人滿意的結果，但信噪比較低時，復原效果不是很理想。

　　針對運動模糊圖像的復原，本系統(tǒng)采取運動模糊復原算法，如式（3）所示。

　　2.2 圖像復原算法的仿真實現

　　常見的圖像退化方法有平滑模糊和運動模糊。本文在Visual Studio軟件中使用C++對系統(tǒng)所選取的算法進行了軟件仿真，并對一幅256×256的bmp格式的圖片分別進行了3種類型的退化仿真，如圖2所示。

　　圖3（a）是按照式（1）對圖2（c）逆濾波復原的結果，圖3（b）是按式（2）維納濾波復原的結果?？梢钥闯?，逆濾波抑制噪聲的能力比較差，復原后的圖像嚴重失真，而維納濾波對噪聲的增多具有約束作用，復原圖像的細節(jié)保持比較好，但模糊程度相對增大。圖3（c）是按照式（3）對圖2（d）進行運動模糊復原的結果，復原效果比較理想，但復原圖像較原始圖像偏暗。

　　本文除了對圖像復原質量進行主觀分析外，也從客觀上比較了其峰值信噪比PSNR值的大小，如表1所示。可發(fā)現運動模糊圖像PSNR值最低，丟失的信息最多。在利用3種方法分別對平滑模糊圖像進行復原后，逆濾波的復原結果最佳，PSNR值最大。而在對加噪圖像的復原過程中，維納濾波抑制噪聲的能力最好，PSNR值明顯高于其他兩種方法。針對運動模糊圖像，逆濾波和維納濾波的PSNR值特別低，均不如運動模糊復原。

3 基于DSP/BIOS的圖像復原程序開發(fā)

　　3.1 視頻圖像復原系統(tǒng)的軟件設計

　　視頻圖像處理軟件平臺對任務的時序和復雜度要求苛刻，故采用基于DSP/BIOS的實時調度內核來配置線程的優(yōu)先級，處理線程的觸發(fā)、掛起等相應條件。本系統(tǒng)的軟件設計流程圖如圖4所示，為了測試本系統(tǒng)對圖像的處理性能，特移植了圖像模糊算法和圖像復原算法。在本系統(tǒng)中，DSP/BIOS內核調度是核心。BIOS首先需要對DSP進行初始化，將復位的向量指向端口初始地址c_int00，然后需要調用BIOS_init對配置用到的各個模塊進行初始化，同時需要在main（）函數中對片內外設等常見的DSP配置初始化，此時不能對SWI、TSK等線程進行操作。在調用BIOS_start后，就可以完成DSP/BIOS的啟動，從而進入IDL_Loop空閑循環(huán)，等待HWI、SWI、TSK等線程的就緒。當PC上位機發(fā)送控制指令時，就會觸發(fā)UART中斷，就緒TSK1，讀取控制指令，選定相應的算法模式，并對Mail_box賦新值。當Mail_box對應之前的Pend值時，相應的算法任務會立刻就緒，若具有高優(yōu)先級，算法線程會立即執(zhí)行。在完成視頻圖像處理以后，視頻圖像輸出任務就緒，回放處理后的視頻圖像。

　　3.2 人機交互和DSP/BIOS任務調度結果

　　本系統(tǒng)進行人機交互的硬件模塊是德州儀器TMS320C5402芯片。首先在鍵盤上輸入鍵值產生對應的掃描碼，當掃描碼在McBSP中進行傳輸后，TMS320DM6437與C5402芯片間便開始進行通信。人機接口框圖如圖5所示，如果PC發(fā)送數據完成時，通過鍵盤可進行不同算法間的切換，人機交互界面如圖6所示。

　　本程序中設置了一個McBSP硬件中斷，多線程中UART接收和McBSP中斷優(yōu)先級最高，其次是軟中斷UART數據讀入和發(fā)送，最后是TSK。線程間分別通過Mail_box（）和SEM（）進行通信和同步。DSP/BIOS的任務時序圖如圖7所示，可見多線程間的切換合理，程序運行正常。

　　3.3 實時圖像處理效果

　　本系統(tǒng)通過人機交互控制，得到的各種算法處理效果如圖8、圖9所示。

　　圖8（a）是運動模糊后的圖像，圖8（b）是平滑模糊后的圖像。在圖8（b）中加入隨機噪聲后，如圖9（a）進行逆濾波復原，如圖9（b）進行維納濾波復原。可發(fā)現逆濾波不能很好地過濾掉原有噪聲，并且噪聲在傅里葉變換過程中被放大；而維納濾波復原效果很好，可自動抑制噪聲放大。圖9（c）是運動模糊復原圖像，對物體間相對運動造成的模糊具有很好的復原效果，但與圖8（a）相比較，復原后圖像的整體亮度偏暗，這是因為在運動模糊模型的逆推過程中進行了像素點的近似取值[7]。

4 結論

　　本文以SEED-DEC6437開發(fā)板為核心硬件搭建視頻回路，基于DSP/BIOS構建軟件平臺，并將圖像模糊算法和圖像復原算法移植到該系統(tǒng)上。為了增強系統(tǒng)的可控性和實時性，又成功加入人機控制，經過對多張圖像的采集、模糊和復原，發(fā)現在DSP/BIOS調度后，圖像的處理速度大幅提升，復原效果良好，多任務間的通信和同步不易出現死循環(huán)?？梢娫撘曨l圖像復原系統(tǒng)在性能上總體讓人滿意。

參考文獻

　　[1] 馮強，于盛林，張維.基于細胞神經網絡的圖像復原新方法[J].中國圖象圖形學報，2009，14（3）：430-434.

　　[2] 周寧寧，趙正旭，秦文虎.圖像的中介濾波算法與圖像中介保真度度量[J].電子學報，2008，36（5）：979-984.

　　[3] Feng Zhilin， Yin Jianwei， Liu Yang， et al. Research on jacquard fabrics image denoising using Allen-Cahn level set model[J]. Journal of Zhejiang University： Engineering  Science， 2005，39（2）： 185-189.

　　[4] 黃飛.基于DM642的紅外圖像實時處理系統(tǒng)的設計[D].杭州：浙江大學，2006.

　　[5] RUSSELL P St J. Photonic crystal fibers[J]. Science，2003，299（5605）：358-362.

　　[6] 何紅英，尉朝聞.基于逆濾波法的圖像復原技術研究[J].西安文理學院學報（自然科學版），2009，12（3）：92-96.

　　[7] 肖杰雄.基于POCS算法的超分辨率圖像重建[D].上海：上海交通大學，2009.