您现在的位置是:首页 > 家电

视频监控中的图像增强技术及其应用

2023-06-22 02:06:14

关键词: 视频监控 , 图像增强

在大雾、沙尘等恶劣天气或者低光照情况下图像对比度大大降低,人们无法从中得到有用信息。不仅如此,长期观看品质低下的视频可能会加重人们眼睛的负担,容易产生视觉疲劳,甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时,户外景物图像的对比度和颜色都会被改变或退化,图像中蕴含的许多特征都被覆盖或模糊,得到的是退化图像,对于各类监控都造成了极大的困难,因此,要充分发挥监...

背景

在大雾、沙尘等恶劣天气或者低光照情况下图像对比度大大降低,人们无法从中得到有用信息。不仅如此,长期观看品质低下的视频可能会加重人们眼睛的负担,容易产生视觉疲劳,甚至会头晕目眩。在出现大雾、大雨、沙尘等恶劣天气时,户外景物图像的对比度和颜色都会被改变或退化,图像中蕴含的许多特征都被覆盖或模糊,得到的是退化图像,对于各类监控都造成了极大的困难,因此,要充分发挥监视视频的效能,就必须对监视视频图像进行增强处理。在军事侦察、监视方面,为了实施正确指挥,取得作战胜利,现代战争对军事侦察提出了更高的要求,广泛应用先进科学技术,进一步扩大侦察的范围,提高侦察的时效性和准确性。因此,军事侦察、监视中用到的视频图像的品质尤为重要,退化的视频图像对信息的识别与处理会造成偏差,而这种偏差的后果是非常严重的,因此视频增强技术应运而生。

视频增强算法(Retinex算法)的基本原理

Retinex(视网膜”Retina”和大脑皮层”Cortex”的缩写)理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统(Human Visual System)的图像增强理论。该算法的基本原理模型最早是由EdwinLand(埃德温·兰德)于1971年提出的一种被称为的色彩的理论,并在颜色恒常性的基础上提出的一种基于理论的图像增强方法。Retinex理论的基本内容是物体的颜色是由物体对长波(红)、中波(绿)和短波(蓝)光线的反射能力决定的,而不是由反射光强度的绝对值决定的;物体的色彩不受光照非均性的影响,具有一致性,即Retinex理论是以色感一致性(颜色恒常性)为基础的。

不同于传统的图像增强算法,如线性、非线性变换、图像锐化等只能增强图像的某一类特征,如压缩图像的动态范围,或增强图像的边缘等,Retinex可以在动态范围压缩、边缘增强和颜色恒常三方面达到平衡,因此可以对各种不同类型的图像进行自适应性地增强。正因为Retinex诸多良好的特性,使Retinex算法在很多方面得到了广泛的应用。

在诸多以Retinex为核心的算法中,单尺度(Single-ScaleRetinex,SSR)算法,多尺度(Multi-ScaleRetinex,MSR)算法是最具有代表性和最成熟的算法。

单尺度(Single-ScaleRetinex,SSR)算法原理

根据Land提出的理论,一幅给定的图像S(x,y)分解成两幅不同的图像:反射物体图像R(x,y)和入射光图像L(x,y),其原理示意图如下:



视频监控中的图像增强技术及其应用






原理示意图

对于观察图像S中的每个点(x,y),用公式可以表示为:

S(x,y)=R(x,y)﹒L(x,y)(1)

据Retinex理论,物体的颜色是由物体对光线的反射能力决定的,而物体对光线的反射能力是物体本身固有的属性,与光源强度的绝对值没有依赖关系。因此通过计算各个像素间的相对明暗关系,可以对图像中的每个像素点做校正,从而确定该像素点的颜色。

单尺度(Single-ScaleRetinex,SSR)算法在对数域中则表示为:

(2)

根据上面(2)式的原理,Retinex理论进行图像增强的关键是从原图像中有效的信息计算出亮度图像L(x,y)。但是从原图像计算亮度图像在数学上是一个奇异问题,因此只能通过数学上近似估计的方式估算亮度图像。在Retinex算法的发展史中,曾经出现过平方反比的环绕形式、指数形式以及高斯指数形式,但在单尺度Retinex增强算法中,杰泊森(Jobson)论证了高斯卷积函数可以对源图像提供更局部的准确处理,因而可以更好地增强图像,其可以表示为:



视频监控中的图像增强技术及其应用




公式3

其中λ是常量矩阵,c是滤波半径,并且满足:



视频监控中的图像增强技术及其应用




公式4


c越小,灰度动态范围压缩的越多,c越大,图像锐化的越厉害。因此亮度图像最终可以表示为:



视频监控中的图像增强技术及其应用



公式5

单尺度(SSR)可以表示为:



视频监控中的图像增强技术及其应用



公式6

视频增强能解决的实际问题及应用领域



各种情况下处理效果

视频监控中的图像增强技术及其应用






沙尘天气下


视频监控中的图像增强技术及其应用






昏暗环境下



视频监控中的图像增强技术及其应用






雨天环境下



视频监控中的图像增强技术及其应用






阴霾天气下