基于DSP的嵌入式数字摄像夜间能见度测量系统

各个处理任务之间采用SCOM消息机制进行通信。图像采集任务采集数据后，通过SCOM消息传输给处理任务；处理任务对图像进行相关的处理及能见度计算后，通知采集任务进行下一次的采集处理，并将处理的结果传给输出任务进行显示。同时，处理任务协调该任务和其他两个任务之间的通信。
3．2 能见度计算的图像处理算法研究
能见度计算任务是DSP嵌入式软件的核心，其图像处理方法是系统可靠性的关键。数字摄像夜间能见度仪通过图像处理计算两相同亮度光源经过不同距离衰减之后的目标光源视亮度，根据视亮度反演大气消光系数完成能见度值的测量。其图像处理过程主要分为图像预处理、图像分割与定位、能见度值的计算三部分。
3．2．1 图像预处理
图像预处理主要对采集的光源图像进行图像滤波处理，以达到去除背景噪声和杂散光等的影响，使目标光源和黑体图像亮度均匀。由于该系统的能见度仪主要安装在高速公路上用于能见度预警，在低雾、雨天等天气条件下，图像的清晰度不高。另外CCD在图像采集和传输图像的过程中也会产生相应的噪声污染。因此，需要对图像进行预处理。
采用了频域增强法使得图像清晰化。对图像进行傅里叶变换，在频域进行滤波处理，再将滤波后的图像反变换到空间域，从而获得增强后的图像。另外利用小波变换在信号去噪和数据压缩领域的良好效果，采用小波阈值去噪法。基于信号和噪声频率和幅值不同，对图像进行二维小波变换，根据图像原始信息和噪声小波变换系数的差异，设定阈值去除小波系数中的噪声元素，用经过处理的小波系数进行二维小波反变换得到去噪后的图像。
3．2．2 图像分割与定位
数字摄像法测量夜间能见度关键在于准确地提取出图像的亮度信息。在亮度的计算过程中，准确地分割出光源图像是计算过程中的关键。简单的阈值分割易造成误判，影响能见度的计算。图像分割研究合适的适合两个目标光源和黑体的分割算法，取光源中亮度比较均匀的部分作为光源和黑体的亮度值。

选择合适的USAN区域，利用SUSAN边缘检测算子，进行图像的边缘检测。根据所得到的边缘进行图像的分割，得到光源二值图像。取正方形的模板在光源部分进行亮度值搜索计算，求出方框内亮度最大的区域，以此区域作为光源的亮度值。再根据图像尺寸与对应像素个数的关系，求出黑体的位置，进行黑体亮度值的计算。图7显示了从图形分割到定位的过程。