图像增强技术原理及在安防领域应用.docVIP

图像增强技术原理及在安防领域应用 　　摘 要：基于安防领域中的视频监控系统，在大雾、雨雪阴霾天气、光线不足的情况下监控图像效果不理想的问题，阐述了通过图像增强技术进行改善的方法，对常用的几种增强算法原理进行推导，并对图像增强技术在视频监控系统的前端摄像机、系统平台和后端监视器三个环节的应用特点进行分析。 　　关键词：视频监控 图像增强 直方图 同态滤波 小波变换 Retinex 　　中图分类号：TB381 文献标识码：A 文章编号：1672-3791（2013）03（c）-0020-02 　　随着近几年安防行业的快速发展，视频监控系统已经在交通系统、银行系统、森林防火、煤矿行业等多个领域内得到了广泛的应用。在交通系统、森林系统等特殊领域，当出现大雾、雨雪阴霾等天气时，监控图像的对比度和颜色明显变差，给视觉系统带来很大的干扰，降低了监控效率；当在光线不足的情况下，监控图像亮度低，细节无法分辨，不能对目标进行有效的监控。这些特殊的监控情况的出现，在实际使用时是不可避免的，我们只能通过技术手段对其进行处理，目前可以通过图像增强技术对监控图像进行增强，使图像的细节，对比度等得到提升，满足监控要求。本文将对图像增强技术的原理和在安防领域的应用进行探讨。 　　1 图像增强技术的原理 　　图像增强技术是一个多学科的研究课题，涉及到高等数学、计算机科学、信号处理技术等学科领域。该技术主要是通过对图像信号进行分析，有目的地强调图像的整体或局部特性，抑制不感兴趣的特征，使之提高图像质量、提高图像识别效果。该技术最早是应用于航空航天领域，对航拍的图像数据进行处理。60年代初期美国喷气推进实验室的科研人员使用计算机采用灰度变换、去噪声、傅里叶变换以及二维线性滤波等方法对航天探测器“徘徊者7号”发回的几千张月球照片成功的进行了处理。随后在生物医学领域、工业生产领域、安防领域等得到广泛的应用。图像增强技术在安防领域的应用，是在近几年才发展起来的，在视频监控中的功能有去雾、夜增强、图像智能分析、车辆识别、视频检索等。目前行业内有许多增强方法，如直方图均衡法、同态滤波、小???变换、Retinex等，现对这些方法的原理进行探讨。 　　1.1 直方图均衡法 　　直方图均衡法的基本做法是先计算出图像的灰度直方图，将直方图中比较集中的某些灰度区间拉伸到全部灰度范围内的均匀分布[1]。这样就提高了像素点灰度值的动态范围，进而增强图像整体对比度，实现了图像增强的功能。彩色图像的直方图均衡法的处理流程如图1，先将RGB原始图像进行HSV转换，生成HSV图像，对亮度信号V计算出直方图数据，根据运算公式： 　　为图像中像素的总和；为灰度级为的像素个数；为图像中可能的灰度级总数。进行均衡化处理，得到V信号的处理后数据，并与先前分离的HS信号合成，并转换为RGB信号，实现彩色图像的直方图均衡化处理。 　　1.2 同态滤波 　　同态滤波是将图像信号的灰度值分为照度和反射率两部分组成，照度相对变化小，是图像的低频成分，而反射率是高频成分[2]。分别对照度进行滤波，压缩亮度范围；增强放射率，提高对比度，从而消除图像亮度不均匀的问题，增强了暗区的细节，同时不损失亮区的细节。同态滤波的实现流程如图2。原始图像的灰度函数表示为：· 　　由于与是相乘关系，无法分开处理，需取对数运算，如下： 　　对其进行傅里叶变换，得出： 　　标记为： 　　的频谱特性集中在低频段，集中在高频段。通过选择适当的滤波函数，如ButterWorth高通滤波器和指数高通滤波器，对进行滤波，实现压制低频而增强高频，得到预想的效果。 　　对滤波后的函数进行傅里叶反变换，得出： 　　标记为： 　　进行指数运算，得出处理后的数据： 　　· 　　标记为： 　　经过上述的数字处理，得到了就是同态滤波后的结果。 　　1.3 小波变换 　　小波变换是一种现代的分析工具，将信号进行空间和频率的局部变换。小波变换的基本思想用一族函数去表示或逼近一信号，这一族函数称为小波函数系。它是通过一小波母函数的伸缩和平移产生其“子波”来构成的，用其变换系数描述原来的信号[3]。根据Mallat的金字塔式分解算法，对信号进行分解，分解成逼近图像和细节图像之和，可分为LL，LH，HL和HH四个子频带，如图3。其中LL为逼近图像、LH为垂直方向细节、HL为水平方向细节、HH为对角方向细节。根据信号处理的需要，可对LL进行小波分解，得到二层小波分解结果LL1、LH1、HL1、HH1，可继续对LL进行分解，得到多层的分解结果。可以采用不同的方法增强不同的频率范围内的细节达到从而达到增强图像质量，提高图像的清晰度和层次感的目的。 　　1.4 Retinex 　　Retinex是由retina（视网膜）与cor