[实时视频透雾技术.docxVIP

实时视频透雾技术雾霾不仅危害人体健康，同时，由它引起的交通事故频频发生。在雾霾天气下，户外监控的视频质量明显降低，图像色彩黯淡、对比度变低，一些重要目标的细节更是淹没在雾气中难以被察觉，视频监控系统的实用性受到很大影响。因此，去除视频中的雾气，进而改善图像质量，成为提升户外视频监控系统应用价值越发重要的一项关键技术。一、雾气对视频监控的影响一般认为，大气介质主要由空气分子、水汽和气溶胶组成。气溶胶是悬浮在气体中的小粒子构成的弥散系。某些粒子具有高吸湿性，起到水汽凝结中心的作用，其大小与环境相对湿度、水汽供应和由碰撞而发生凝聚的程度有关。由于大气中各种颗粒的大小、类型以及聚集程度的不同产生晴（Clearness）、霾（Haze）、雾（Fog）、云（Cloud）、雨（Rain）等各种天气。在晴朗的天气条件下，从物体表面反射的光线基本不会受大气中各种成分的影响发生散射、吸收、反射等现象，能够直接到达成像设备，获得清晰无雾图像。在有雾天气下，从物体表面反射的光线在到达成像设备的过程中会受到空气中悬浮颗粒的影响。气溶胶粒子是雾霾形成的主要因素，也是图像质量产生退化的根本原因，其影响主要有以下几个方面:（一）气溶胶粒子对光线有散射作用，散射损失使“透射光”强度衰减，造成了图像的对比度下降。（二）由于气溶胶粒子的非均匀性，使球面波畸变成非球面波，导致图像变模糊，边缘和细节降低。（三）气溶胶粒子的粒径较大，粒子的自身成像不容忽视，可以近似理解成“噪声”。（四）气溶胶粒子对成像光线的散射部分会因为多次散射的作用，和原有的前向散射部分叠加在一起成像，产生一定的模糊。二、实时视频透雾技术与其他透雾技术的比较分析目前已知的透雾算法大致可以分为两大类: 一种是非模型的图像增强方法，通过增强图像的对比度，满足主观视觉的要求来达到清晰化的目的；另一种是基于模型的图像复原方法，它考查图像退化的原因，将退化过程进行建模，采用逆向处理，以最终解决图像的复原问题。目前通过增强的方式来进行透雾处理典型的方法包括：直方图均衡化、滤波变换方法和基于模糊逻辑的方法。直方图均衡化方法，其中全局化方法运算量小但对细节的增强不够；局部均衡方法效果较好，但可能引入块状效应、计算量大、噪声被放大及算法效果不易控制的问题。滤波变换的透雾算法，通过局部处理能获得相对较好的处理结果，但它们的计算量巨大、资源消耗多、不适于实时性要求较高的设备。基于模糊逻辑的方法透雾的效果不够理想。基于增强的方法能在一定程度上提高图像对比度，并通过增强感兴趣区域来提升可识别度。但该方法未能从图像退化过程的原因入手来进行补偿，因此它只能改善视觉效果而不能获得很好的透雾效果。目前基于图像复原的方法主要有以下几类：滤波方法、最大熵方法与图像退化函数估计法等。滤波方法如卡曼滤波方法，整体而言计算量较大。最大熵法能获得较高的分辨率但是其非线性、计算量大、数值求解困难。图像退化函数估计法大多依据一定的物理模型（如大气散射模型与偏振特性的透雾模型）来设计，需要在不同的时间点采集多幅图像作为参考图像，以便确定物理模型中的多个参数，而最终求解得到无雾状态下的结果图像。这一点限制了此类方法在实时监控中的应用。安防产品现已应用于各种复杂场景、恶劣天气，全天候实时监控对产品的便携性与功耗、处理效果、处理的自适应性等方面都提出了较为苛刻的要求。良好的视频透雾技术应当在大气透射模型的基础上融合图像增强与图像复原的技术优势，从而能够获得较为理想的图像效果并被实际工程化引用。如今，一种实时视频透雾技术出现，该技术基于大气光学原理，能区分图像不同区域景深与雾浓度进行滤波处理，获得准确、自然的透雾图像。实时视频透雾技术能够根据雾况的变化自动调整从而适应各种场景应用，避免出现近景透雾过度发黑而远景模糊的情况；同时兼顾了实现的效率与复杂度，保证了整个透雾的实时性与可工程化。同时，这项实时视频透雾技术不但可以有效去除雾气带来的影响，而且能够避免对某些场景的过渡处理导致的色彩误差，以及雾气过度去除带来的不真实感。如图2—1，其中a是包含薄雾的图像，b是传统透雾方法的效果，c则是实时透雾技术处理后的效果。可以看到，由于雾气本身不厚，传统透雾方法b中由于缺乏自适应能力，红框内出现了发黑及色彩失真现象，c中的红框内图像效果则自然真实。图 2—1 基于传统去雾方法与实时透雾技术效果对比三、实时视频透雾技术与其它透雾方法相比的优势主要体现在以下几方面：（一）透雾能力强实时视频透雾技术能够根据不同的景深准确地去除相应程度的雾气。传统图像增强的方法可能出现近景透雾效果较好而远景则仍然残余了很多朦胧雾气的问题；而基于图像复原方法的透雾效果与选择成分的准确性有关，成分选择准确则透雾处理效果较好，如成分选择不准确则可能出现很糟糕的结果，因此该方法的透雾算法性能不够稳定。