设计并且开发图像处理的并行性，由于硬件平台本身就是并行运算的，所以基于硬件平台可以非常快速地进行图像增强等一系列的运算。但是硬件平台具有一些缺点和不足，那就是他的配置问题，只要他的配置完成，就可以非常方便快捷的进行处理和运算，但是如果处理的任务一旦改变，便需要重新配置这些硬件平台，这样的重新配置即使能够实现也是非常麻烦和困难的[2]。1985年，Xilinx公司推出了全球第一款FPGA（Field Programmable Gate Array）产品XC2064，预示着这一问题终于得到了解决。FPGA就是现场可编程门阵列，它既具备了计算机平台所具有的灵活性又具备硬件平台所固有的并行性，它的功能通过计算机编程语言可以很容易的进行重新配置。FPGA具有灵活性高，容量大，并行处理能力强等特点，能够很好地解决图像增强处理问题。本文介绍了一些红外图像增强算法，通过Verilog语言将这些算法编写出来，然后下载到FPGA开发板中来处理从红外探测器中得到的图像。以这样的方法实时处理红外图像，得到信息量更大的红外图像，能够更好地发挥红外技术在公安系统中的作用。
1 红外成像技术
1.1 红外成像的分类
众所周知，可见光的波长介于0.4微米到0.75微米之间，而红外线是一种波长介于0.75微米到1000微米的电磁波，其在光谱中的位置位于可见光中红色光之外，故称之为红外线。红外线又分为近红外线和热红外线，近红外线波长介于0.75微米至2.0微米之间，而热红外线的波长介于2.0微米至1000微米之间。在我们所生活的自然界中，任何物体都可以辐射出不同的红外线，因此，我们可以通过特殊的电子设备来接收物体所发出的红外辐射，并根据我们所观测的目标物体与其背景所辐射出的红外线之差形成可供我们肉眼观察的红外图像。
当今的红外成像技术可以分为被动红外成像和主动红外成像。所谓被动红外成像技术，主要是我们所采用的测量仪器不主动发出红外，而是被动地去接受物体所发出来的红外辐射，由于自然界中物体温度只要超过绝对零度，就一定会辐射出不同波长的电磁波，电磁波的波长和辐射强度会根据温度的变化而随之改变，以此为根据，我们就可以通过运用光电技术来接收到自然界中物体自身所辐射出来的介于0.75微米到1000微米的红外线特定波段的信号，并将这些光信号转换为电信号，然后进一步计算出画面中的温度差，从而形成可供我们视觉分辨的图像和形状，这样被动接受物体所辐射出来的红外线来形成图像的技术我们称之为被动红外成像，通常也将它称之为红外热成像技术。并将其根据温度的不同来加入伪彩色技术，使其变得更加生动具体形象。红外热成像技术可以被用在安检中，非接触式测量体温，还可以用于夜间探测在监控区域是否有未被允许进入的人员活动。所谓主动红外成像技术是指，不接受物体所辐射的红外线，而是探测器本身主动去发射红外线，然后我们接收从物体上反射回来的红外电磁波，通过信号转换，形成肉眼所能看到的图像和形状。一般主动红外装置都由红外发射器、接收器、信号转换、处理和显示器等部分来组成。在公安系统中，主动红外成像技术应用广泛，可以在夜间，可见光不足的情况下，看清监控区域，有效降低夜间犯罪的发生率。
1.2 红外成像的特点
红外成像是红外技术和成像技术的结合体，将人或物体所发射出来的特定的红外线波段信号转换成人类肉眼可以分辨的图形或图像，红外成像技术如同其他射线成像一样，突破了人类的视觉障碍，让人类可以清楚地分辨出物体表面的红外射线分布状况。在进行侦查时，红外技术可以适应环境中的各种恶劣状况，并且隐蔽性好，抗干扰能力强。在夜间或山区侦查时，由于红外辐射的穿透性极强，并且可以较远距离成像，所以红外成像技术不但有很强的识别能力，而且很难被犯罪嫌疑人发现。在安检防范中，使用红外技术可以在人员密集区域很容易的以非接触式测温来检测出体温异常的人员。在夜间，对比度较差和光照强度不足是夜晚进行侦查和监控的最大难点，在红外夜视技术还没有发展起来之前，只能靠肉眼或是普通摄像头监控目标及周围环境[3]。因此，夜晚也就变成了犯罪活动的高发时段，例如抢劫、盗窃和恐怖活动等。根据美国的一项调查统计显示，全球有47%的犯罪活动都发生在夜间，原因很简单，在夜间，犯罪嫌疑人容易躲藏，更容易接近受害者，而周围群众稀少，犯罪现场不容易被发现，监控摄像也无法有效的捕捉拍摄到犯罪画面，无法形成证据，这使得犯罪嫌疑人更加肆意妄为。包括军事袭击，行军等都会选在夜间进行。而主动红外成像技术问世以来，很好地解决了夜视盲区的问题，它不依靠自然光，自身发射红外线反射成像，也不会让犯罪嫌疑人轻易发现，为公安破案提供强有力的证据。而且现今的红外成像已经将红外光、可见光以及激光成像结合在一起，红外成像技术所能得到的图像越来越清晰。
但是由于红外图像容易受到外界许多因素的影响，诸如大气衰减、远距离传输等会导致我们得到的图像视觉效果不佳，空间相关性较强、对比度不高。我们身边无处不在的噪声还有红外探测器自身的噪声都会影响红外图像的画质，降低它的信噪比，会使得图像呈现一种非均匀的图像畸变、串扰和固定形状噪声等，这都会让红外图像无法和正常摄像头所拍摄到的画面相媲美。人类对彩色图像的敏感度较高，但是对于红外成像技术所得到的灰度图像的敏感度就差很多了，会感觉到其分辨率较差，能从其中得到的有用信息非常局限。红外图像作为一种灰度图像，其图像较为暗淡，致使目标物与背景之间的对比度低，使得边缘不够用清晰，图像中存在较大的噪声。总的来说红外图像的两大特点就是图像噪声问题和边缘模糊问题。针对这两种问题，本文介绍了均值、中值滤波算法和边缘检测算法，以此来提高图像质量。
2 红外图像噪声分析
红外图像复杂的噪声主要来源于仪器内部所带来的一系列的变化和自然界各种其他电磁波的干扰，所以我们无法得到如电视图像那样，信噪比高的画面。红外图像的噪声具有不同的来源、种类，甚至形状都不尽相同，这也导致了红外图像噪声的复杂性，如颗粒状噪声和带状噪声都是其比较常见的噪声。红外图像噪声所表现出的复杂性也导致了其具有一定的不可预见性。
众所周知，红外热成像系统优点很吸引人眼球，但其缺点也十分显著，此系统中的红外焦平面阵列会引起图像的非均匀性，这是由于红外焦平面阵列中各个探测元的结构尺寸不相同、响应率不均匀、读出电路自身和探测器的耦合性不一致等各种因素导致的。并且温度、放大器和热噪声夜视图像不清晰的主要因素，其中红外图像噪声的最主要因素是温度噪声和热噪声这一类的白噪声（white noise）[4]。由于红外噪声的复杂性和不可预见性，所以想要通过一种算法或几种算法是很难将其根除的，所以我们通常是通过多种算法的结合使用，突出红外图像中人们所感兴趣的信息，抑制人们所不感兴趣的信息，使图像达到或者更加接近我们所理想的水平。
在图像中，噪声往往是图像像素中突变的点，我们可以通过一定的运算将这些突变的点去除，这样就做到将噪声点滤除，使图像变得平滑。下面将简单介绍我们常用的两种算法来滤除红外图像的噪声。
3 红外图像去噪算法
3.1 均值滤波算法
均值滤波（Mean filtering）是在我们所要处理的图像中指定一个模板，模板可以是的一个正方形像素点的集合，其中包括了要处理的像素点和其周围的8个相邻的像素点，通过计算出这个模板中所有像素点灰度值的平均值，用这个平均值来取代中间需要处理的像素点原来的灰度值，来达到抑制像素点突变的情况，然后让此模板遍历整个图像，这样就达到了红外图像平滑处理的目的。假设我们现在需要处理的图像是，处理后的图像为，图像像素大小是，图像的冲击响应为，大小为，最终图像经过运算后输出的灰度值为：
均值滤波的优点在于公式较为简单并且运算速度快，它又被称为线性滤波。但是均值滤波的缺点也很明显，它会将图像的一些人们所需要看到的细节也处理掉，使得图像边缘变得模糊。
3.2中值滤波算法
中值滤波（Median filtering）也需要指定一个模板，这个模板通常是或者是的一个区域，它通过计算这个区域内所有像素点灰度值的中值，然后用这个中值去代替所要处理的像素点的灰度值，使得让需要处理的像素值接近真实值，来达到去除噪声的目的。比起均值滤波去噪法，这样的去噪方法会保留图像边缘等一些信息，是一种非线性滤波。假设需要处理的图像是，处理后的图像是，则处理结果为：
其中W就是我们所指定的或者是的二维模板，而它的区域的形状也可以不同，如圆形、方形、环状和线状等
在FPGA编译平台QUARTUS II中，可以直接使用软件所提供的2D中值滤波器模块和2D FIR滤波器模块，对图像或是视频进行实时处理，方便快捷。其中2D中值滤波器宏功能适用于像素为，的中值滤波器的视频或是图像。中值滤波器可以在视频和图像中去除斑点噪声和椒盐噪声的同时保持图像边缘的清晰。2D FIR滤波宏功能执行2D卷积运算时，使用的是系数为，，的矩阵。2D FIR滤波器对FPGA资源进行高效的使用，以便在整个运算过程中保留能够保留完整的精度。有了合适的系数，2D FIR滤波器就可以执行例如锐化、平滑处理和边缘检测等功能。你可以在运行时通过一个Avalon-MM的从属接口对2D FIR滤波器进行配置以改变它系数的值。
4 红外图像边缘检测算法
一幅图像我们可以把它看作是一个矩阵，而矩阵中的值便是这幅图像的连续灰度值函数的取样点。众所周知，所谓边缘就是指图像中画面变化最显著的位置，它表现在函数中，就是灰度值函数有着最大变化的地方。灰度值函数的变化程度我们可以用梯度值来衡量，梯度值越大灰度值函数的变化也就越大，梯度的定义为：
其中和的值可以用多种算子进行计算，诸如Sobel、Prewitt和Roberts算子，上述几种边缘检测算子都是基于一阶导数的梯度算子，我们以Sobel算子为例。假设我们所要处理的图像像素值矩阵为（6），（7）和（8）是Sobel算子在水平和竖直方向上的卷积核，其中是我们要处理的像素点，那么我们需要将领域内的每个像素值和（7）、（8）分别做卷积运算，所以我们需要知道到每个点的像素值。
通过公式（9）我们便可以计算出图像中每个领域的点的和的值，将其取绝对值后相加便得到了公式（5）的结果，令与阀值进行比较，如果大于阀值则该点被称为边界点，如此，就实现了图像的边缘检测，其中阀值是通过对红外图像灰度直方图的分析得出的，并通过经验作进一步调整[5]。
5 结束语
本文通过分析现今公安系统的需求和发展目标，看到了红外成像技术在公安领域中深入应用后所能带来的好处。详细介绍了红外成像技术的原理和分类。对红外成像技术所得到的图像存在的不足进行分析，介绍了在红外探测器加装图像增强功能模块的可行性和几种可用于红外图像增强算法的原理。通过多种算法的合理应用并与FPGA强大的并行处理能力的配合，一定可以让红外图像越来越接近人们所期望的成像效果，并在安检，夜视侦查等各个领域发挥越来越大的作用。
参考文献：
[1]GonzalezRC， WoodsRE.数字图像处理[M].阮秋琦，阮宇智译.北京：电子工业出版社.
[2]朱明，鲁剑锋.基于 DSP+FPGA 结构图像处理系统设计与实现.计算机测量与控制，2004（9）：866-869.
[3]蔡毅.对红外热成像技术发展的几点看法.红外技术，2005，22（2）：2-6.
[4]李琳琳.基于FPGA红外图像处理算法的研究[D].辽宁大学2011.
[5]杨新华，寇为刚.基于FPGA的 Sobel 算子图像边缘检测算法.仪表技术与传感器，2013（1）：102-104.
