|
|
目前已知的透霧算法大致可以分為兩大類：一種是非模型的圖像增強方法，通過增強圖像的對比度，滿足主觀視覺的要求來達到清晰化的目的;另一種是基于模型的圖像復原方法，它考查圖像退化的原因，將退化過程進行建模，采用逆向處理，以最終解決圖像的復原問題。
目前通過增強的方式來進行透霧處理典型的方法包括：直方圖均衡化、濾波變換方法和基于模糊邏輯的方法。直方圖均衡化方法，其中全局化方法運算量小但對細節的增強不夠;局部均衡方法效果較好，但可能引入塊狀效應、計算量大、噪聲被放大及算法效果不易控制的問題。濾波變換的透霧算法，通過局部處理能獲得相對較好的處理結果，但它們的計算量巨大、資源消耗多、不適于實時性要求較高的設備。基于模糊邏輯的方法透霧的效果不夠理想。
基于增強的方法能在一定程度上提高圖像對比度，并通過增強感興趣區域來提升可識別度。但該方法未能從圖像退化過程的原因入手來進行補償，因此它只能改善視覺效果而不能獲得很好的透霧效果。
目前基于圖像復原的方法主要有以下幾類：濾波方法、最大熵方法與圖像退化函數估計法等。濾波方法如卡曼濾波方法，整體而言計算量較大。最大熵法能獲得較高的分辨率但是其非線性、計算量大、數值求解困難。
圖像退化函數估計法大多依據一定的物理模型來設計，需要在不同的時間點采集多幅圖像作為參考圖像，以便確定物理模型中的多個參數，而最終求解得到無霧狀態下的結果圖像。這一點限制了此類方法在實時監控中的應用。
安防產品現已應用于各種復雜場景、惡劣天氣，全天候實時監控對產品的便攜性與功耗、處理效果、處理的自適應性等方面都提出了較為苛刻的要求。良好的視頻透霧技術應當在大氣透射模型的基礎上融合圖像增強與圖像復原的技術優勢，從而能夠獲得較為理想的圖像效果并被實際工程化引用。
在圖像處理中，一般用下述模型來表達所看到的有霧圖像：
I(x)=J(x)t(x)+A(1-t(x))
I代表所看到的圖像強度，J是景物光線強度，A是大氣光成分，t是用來描述光線通過媒介時沒有被散射掉的那部分。透霧的目標就是從I中恢復出J、A、t、J即對應于透霧后的結果圖像。其中，J(x)t(x)稱為直接衰減項，代表的是景物光線在媒介中經過衰減后的部分，A(1-t(x))為大氣光成分，由前方散射引起。
在充分分析透霧理論的優勢與不足，并進行深入的研究探索后，海康威視結合安防監控領域的視頻圖像透霧的特殊要求，開發了一種實時視頻透霧技術。該技術基于大氣光學原理，區分圖像不同區域景深與霧濃度進行濾波處理，獲得準確、自然的透霧圖像。
該實時視頻透霧技術能夠根據霧況的變化自動調整從而適應各種場景應用，避免出現近景透霧過度發黑而遠景模糊的情況;同時兼顧了實現的效率與復雜度，保證了整個透霧的實時性與可工程化。
同時，這項實時視頻透霧技術不但可以有效去除霧氣帶來的影響，而且能夠避免對某些場景的過渡處理導致的色彩誤差，以及霧氣過度去除帶來的不真實感。如圖1，其中a是包含薄霧的圖像，b是傳統透霧方法的效果，c則是實時透霧技術處理后的效果。可以看到，由于霧氣本身不厚，傳統透霧方法b中由于缺乏自適應能力，紅框內出現了發黑及色彩失真現象，c中的紅框內圖像效果則自然真實。
實時視頻透霧技術與其它透霧方法相比的優勢主要體現在以下幾方面：
· 透霧能力強。實時視頻透霧技術能夠根據不同的景深準確的去除相應程度的霧氣。傳統圖像增強的方法可能出現近景透霧效果較好而遠景則仍殘余朦朧霧氣;而基于圖像復原方法的透霧效果與選擇成分的準確性有關，成分選擇準確則透霧處理效果較好，如成分選擇不準確則可能出現很糟的結果，因此該方法的透霧算法性能不夠穩定;
· 通透性好。經過實時視頻透霧技術處理后的圖像很通透，有較好的對比度。而其它方法因為對景深估計不準確而殘余了霧氣,使透霧后的圖像并不是很通透;
· 細節保留程度高。實時視頻透霧技術中包含保持細節的特殊處理，因此透霧后的圖像能把原來隱藏在霧氣后的細節信息繼續保留甚至部分增強，這也是其它方法難以達到的;
· 色彩的飽和度高、還原能力強。實時視頻透霧技術不會改變圖像的色調而僅僅是增加其色彩的飽和度，其它透霧方法則可能出現色調失真的問題;
· 不會引起圖像偏暗現象。實時視頻透霧技術由于包含有亮度提升性能，不會出現結果圖像偏暗的現象。其他方法則可能引起對比度降低的問題;
· 應用范圍廣泛。實時視頻透霧技術也可用于對無霧的圖像進行處理，提高原圖的對比度與飽和度，同時能夠改善圖像的通透感，起到提升圖像視覺品質的作用。
安防知識網 |
|
