实时视频透雾技术在监控中的应用

　　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。

　　在图像处理中，一般用下述模型来表达所看到的有雾图像：

　　I(X)=J(X)t(x)+A(1-t(x))

　　I代表所看到的图像强度，J是景物光线强度，A是大气光成分，t是用来描述光线通过媒介时没有被散射掉的那部分。透雾的目标就是从I中恢复出J、A、t，J即对应于透雾后的结果图像。其中， J(X)t(x)称为直接衰减项，代表的是景物光线在媒介中经过衰减后的部分， A(1-t(x)为大气光成分，由前方散射引起。

　　在充分分析透雾理论的优势与不足，并进行深入的研究探索后，海康威视结合安防监控领域的视频图像透雾的特殊要求，开发了一种实时视频透雾技术。该技术基于大气光学原理，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。

　　该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

　　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：

　　1）透雾能力强。实时视频透雾技术能够根据不同的景深准确的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。

  【中安网原创稿件声明】转载中安网文章时应遵循以下三个规则：1、保持原创文章中图表、图片、音视频的完整性；2、完整标注文章作者［文章前后有说明］；3、转载中安网原创中部分内容也要完整标注来源"中安网"，违者本网将依法追究。